获得索引列表的一种方法是合并两个 Dataframe ，将索引作为一列添加到第一个 Dataframe ，并将'n'分配给第二个 Dataframe 中的D列，以便只有在A，B和C上匹配并且在D中具有'n'的行才匹配。然后，你可以从第一个索引列作为你的结果：

indices = (df1
    .reset_index(names='index')
    .merge(df2.assign(D='n'), on=['A', 'B', 'C', 'D'])['index']
    .to_list())

输出（用于示例数据）：

[2, 3, 4]

请注意，to_list()不是绝对必要的，下面的代码没有它也能正常工作。
然后，您可以使用索引将E设置为'n'：

df1.loc[indices, 'E'] = 'n'

输出：

A  B  C  D  E
0  a  b  c  y  y
1  a  b  c  y  y
2  b  n  m  n  n
3  b  n  m  n  n
4  b  n  m  n  n
5  t  u  j  y  y
6  t  u  j  y  y
7  t  u  j  y  y
8  e  t  y  y  y
9  e  t  y  y  y

假设df1和df2，可以使用布尔索引：

# are the common columns (A/B/C) also in df2?
m1 = df1.merge(df2.assign(mask=True), how='left')['mask'].fillna(False)
# or
import numpy as np
m1 = np.isin(df1[df2.columns], df2).all(1)

# is "D" a "n"?
m2 = df1['D'].eq('n')

# if both conditions are True, update E
df1.loc[m1&m2, 'E'] = 'n'

输出：

A  B  C  D  E
0   a  b  c  y  y
1   a  b  c  y  y
2   b  n  m  n  n
3   b  n  m  n  n
4   b  n  m  n  n
5   t  u  j  y  y
6   t  u  j  y  y
7   t  u  j  y  y
8   e  t  y  y  y
9   e  t  y  y  y
10  e  t  y  n  y  # not updated

目标指标：

df1.index[m1&m2]
# Index([2, 3, 4], dtype='int64')