如果匹配，pandas 跨多列搜索返回一列

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 的任何地方。无论在哪里找到匹配项，df2我都想返回。df2['m']

经过一些谷歌搜索和 chatGpt 之后，我发现融合df2和合并df1很有用，只是它不会检查是否匹配df2['m']。

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

如果在融化时df2['m']也可以添加到value_vars，那么问题就解决了。我试过了，没用。然后检查了文档，发现无论 中有什么id_vars，剩余的或剩余的子集都可以成为 的一部分value_vars。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NaN用替换值df1['a']就可以了，而且它有效。但必须将列转换为 int；因为NaN，它已更改为浮点数。

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)

似乎即使它是一个可行的解决方案，它也没有必要那么复杂：“尝试任何解决方案：在继续进行时添加更多代码来解决问题，而不改变初始解决方案”。

还有其他更好的方法可以满足我的要求吗？


PS1：在上面的例子中，df1 和 df2 不强制具有相同的行数。