pandas 跨多列搜索如果匹配则返回一列

Question

示例数据：

df1 = pd.DataFrame({
    'a': [1, 6, 3, 9],
    'b': ['A', 'B', 'C', 'D'],
    'c': [10, 20, 30, 40],
    'd': [100, 200, 300, 400]
})

df2 = pd.DataFrame({
    'm': [1, 5, 3, 7],
    'n': [2, 6, 8, 4],
    'o': [9, 10, 11, 12]
})

要求：

df1['a']

可以出现在

df2

的任何地方。无论在哪里找到匹配项，我都想返回

df2['m']

。

经过一些谷歌搜索和 chatGpt 后，我发现融化

df2

并与

df1

合并很有帮助，除了它不检查

df2['m']

中的匹配。

代码：

df2_melted = df2.melt(id_vars=['m'], value_vars=['n', 'o'])
merged_df = df1.merge(df2_melted, left_on='a', right_on='value', how='left')
df1['e'] = merged_df['m']
print(df1)

输出：

a  b   c    d    e
1  A  10  100  NaN     # df1['a'] == df2['m']
6  B  20  200  5.0     # df1['a'] == df2['n']
3  C  30  300  NaN     # df1['a'] == df2['m']
9  D  40  400  1.0     # df1['a'] == df2['o']

所需输出：

a  b   c    d  e
1  A  10  100  1
6  B  20  200  5
3  C  30  300  3
9  D  40  400  1

如果在熔化时也可以将

df2['m']

添加到

value_vars

中，那就可以解决问题了。我试过了，没用。然后检查文档，发现无论

id_vars

中有什么，剩余的或剩余的子集都可以是

value_vars

的一部分。所以这种方法可能不正确或者我遗漏了一些东西。

然后我想，如果

df1['a']

匹配

df2['m']

，那么

df1['e'] == df1['a'] == df2['m']

。因此，只需将

NaN

值替换为

df1['a']

就可以了，而且确实有效。但必须将列转换为 int；因为

NaN

，变成了浮动。

工作完整代码：

df2_melted = df2.melt(id_vars=['m'], value_vars=['n', 'o'])
merged_df = df1.merge(df2_melted, left_on='a', right_on='value', how='left')
df1['e'] = merged_df['m']
df1['e'] = (df1['e'].fillna(df1['a'])).astype(int)

虽然这是一个可行的解决方案，但它不必要地复杂：“尝试任何解决方案：在继续操作时添加更多代码来解决问题，而不更改初始解决方案”。

还有其他更好的方法可以帮助满足我的要求吗？


PS1：在上面的示例中，df1 和 df2 不强制具有相同的行数。

Answer 1

只需将

m

列复制为

melt

之前的新列（也使用

map

代替

merge

）：

df1['e'] = df1['a'].map(df2.eval('e=m').melt('e')
                           .set_index('value')['e'])

输出：

   a  b   c    d  e
0  1  A  10  100  1
1  6  B  20  200  5
2  3  C  30  300  3
3  9  D  40  400  1