您可以将zip与ASSET相乘，然后根据它们构造多索引

df1.columns = pd.MultiIndex.from_tuples(zip(df1.columns, df1.columns.map(df2.set_index('ID')['ASSET'])))

print(df1)

         F2     F1     F3     F4     F5
     carac1 carac3 carac1 carac2 carac2
2019      8      1      3      4      6
2020      9      1      3      6      1
2021     10      2      4      5      1

您可以通过Index.map分配另一个DataFrame的反向Map值：

df1.columns = [df1.columns, 
               df1.columns.map(df2.set_index('ID')['ASSET'])]
print (df1)
         F2     F1     F3     F4     F5
     carac1 carac3 carac1 carac2 carac2
2019      8      1      3      4      6
2020      9      1      3      6      1
2021     10      2      4      5      1

或者使用rename：

df1.columns = [df1.columns, 
               df1.rename(columns=df2.set_index('ID')['ASSET']).columns]
print (df1)
         F2     F1     F3     F4     F5
     carac1 carac3 carac1 carac2 carac2
2019      8      1      3      4      6
2020      9      1      3      6      1
2021     10      2      4      5      1

使用MultiIndex构造函数和merge：

df1.columns = pd.MultiIndex.from_frame(df2.merge(df1.columns.to_series(name='ID'),
                                   how='right'))

• 注意：如果df2具有更多列，则可以轻松添加任意数量的级别。*

输出：

ID        F2     F1     F3     F4     F5
ASSET carac1 carac3 carac1 carac2 carac2
2019       8      1      3      4      6
2020       9      1      3      6      1
2021      10      2      4      5      1