Найти какое-то значение в колонке

Question

У меня есть excel1

member_id panel_ank_id panel_mm_id 
20759 14bc1a5dee9ccb37d120e118f84def7c 32e5e5874b5f8ef06d653c3bb8a28483 
33853 91d8723b691a7297984ff1621ca6ee59 b23f6b2511edc3688a3da861ca9cd209 
36554 0         fb4dcaaffa9e6ae0d01cae8aebc3c189 
38639 683476470d39b0644a9bb4936a14fcd1 db69040be32b7a53fa884c6d8ff689fa 
85992 245c2ee8839c274ec1b536ce6afe5ec8 9be78f6429882309862731c834202991 

И я excel2

00102b98bd9e71da3cf23fd1f599408d 
00108f5c5de701ac4386e717a4d07d5b 
0012ea90a6deb4eeb2924fb13e844136 
001342afb153e2775649dc5ae0460605 
00443c1fed7a99ac7a33a670af5a20c1 

Я хочу, чтобы проверить, если он в excel1 печати к этому значению member_id

Answer 1

IIUC вам нужно merge на колонке panel_mm_id, с inner join (how='inner'), что можно опустить , Потому что по умолчанию:

df2.columns = ['panel_mm_id'] 

df = (pd.merge(df1, df2, on='panel_mm_id')) 
print (df) 

Образец (1.value из df1 в колонке panel_mm_id изменена):

import pandas as pd 

df1 = pd.DataFrame({'panel_mm_id': {0: '00102b98bd9e71da3cf23fd1f599408d', 1: 'b23f6b2511edc3688a3da861ca9cd209', 2: 'fb4dcaaffa9e6ae0d01cae8aebc3c189', 3: 'db69040be32b7a53fa884c6d8ff689fa', 4: '9be78f6429882309862731c834202991'}, 'member_id': {0: 20759, 1: 33853, 2: 36554, 3: 38639, 4: 85992}, 'panel_ank_id': {0: '14bc1a5dee9ccb37d120e118f84def7c', 1: '91d8723b691a7297984ff1621ca6ee59', 2: '0', 3: '683476470d39b0644a9bb4936a14fcd1', 4: '245c2ee8839c274ec1b536ce6afe5ec8'}}) 
df2 = pd.DataFrame({0: {0: '00102b98bd9e71da3cf23fd1f599408d', 1: '00108f5c5de701ac4386e717a4d07d5b', 2: '0012ea90a6deb4eeb2924fb13e844136', 3: '001342afb153e2775649dc5ae0460605', 4: '00443c1fed7a99ac7a33a670af5a20c1'}}) 

print (df1) 
    member_id      panel_ank_id \ 
0  20759 14bc1a5dee9ccb37d120e118f84def7c 
1  33853 91d8723b691a7297984ff1621ca6ee59 
2  36554         0 
3  38639 683476470d39b0644a9bb4936a14fcd1 
4  85992 245c2ee8839c274ec1b536ce6afe5ec8 

         panel_mm_id 
0 00102b98bd9e71da3cf23fd1f599408d 
1 b23f6b2511edc3688a3da861ca9cd209 
2 fb4dcaaffa9e6ae0d01cae8aebc3c189 
3 db69040be32b7a53fa884c6d8ff689fa 
4 9be78f6429882309862731c834202991 

print (df2) 
            0 
0 00102b98bd9e71da3cf23fd1f599408d 
1 00108f5c5de701ac4386e717a4d07d5b 
2 0012ea90a6deb4eeb2924fb13e844136 
3 001342afb153e2775649dc5ae0460605 
4 00443c1fed7a99ac7a33a670af5a20c1 

df2.columns = ['panel_mm_id'] 

df = (pd.merge(df1, df2, on='panel_mm_id')) 
print (df) 
    member_id      panel_ank_id \ 
0  20759 14bc1a5dee9ccb37d120e118f84def7c 

         panel_mm_id 
0 00102b98bd9e71da3cf23fd1f599408d 

Если вам нужно сравнить с обеих колонок panel_mm_id и panel_ank_id и df1 имеет только 3 колонки, используйте melt:

df2.columns = ['a'] 

df1 = pd.melt(df1, id_vars='member_id', value_name='a').drop('variable', axis=1) 
print (df1) 
    member_id         a 
0  20759 14bc1a5dee9ccb37d120e118f84def7c 
1  33853 91d8723b691a7297984ff1621ca6ee59 
2  36554         0 
3  38639 683476470d39b0644a9bb4936a14fcd1 
4  85992 245c2ee8839c274ec1b536ce6afe5ec8 
5  20759 00102b98bd9e71da3cf23fd1f599408d 
6  33853 b23f6b2511edc3688a3da861ca9cd209 
7  36554 fb4dcaaffa9e6ae0d01cae8aebc3c189 
8  38639 db69040be32b7a53fa884c6d8ff689fa 
9  85992 9be78f6429882309862731c834202991 

df = (pd.merge(df1, df2, on='a')) 
print (df) 
    member_id         a 
0  20759 00102b98bd9e71da3cf23fd1f599408d