将df1应用为pd.Series.map中使用的Map：

id_map = df1.set_index('id')['col1'].to_dict()
new_df = (df2.assign(col1=df2['id'].map(lambda x:
                                        next((v for k, v in id_map.items()
                                              if x.startswith(k)), None))))
print(new_df)

个字符

从df2中的id中提取密钥，从df1中的id开始，然后使用这些密钥执行merge操作

df2['key'] = df2['id'].str.extract(r'^(%s)' % '|'.join(df1['id']))
result = df2.merge(df1.rename(columns={'id': 'key'}), on='key', how='left')

个字符

您需要合并这两个列，但首先需要根据df2中的id是否是df1中id的子字符串为df2添加一个自定义列：

ids1 = df1.id.to_list()
def id_subset(id, ids1):
  for s in ids1:
    if s in id:
      return s
  return False
# add a new substring id column
df2['id2'] = df2['id'].apply(lambda x: id_subset(x, ids1) )

# merge and clean
df_out = df2.merge(df1, left_on = 'id2', right_on = 'id', how='left')
df_out.rename(columns={'id_x':'id'}).drop(columns=['id_y', 'id2'])

字符串
输出量：

id  col2  col1
0   XYZ1     1   1.0
1   XYZ2     2   1.0
2   ABC1     3   2.0
3  ABC11     4   2.0
4   CDSS     5   3.0
5    CDS     6   3.0
6   ABC2     7   NaN
7    ABC     8   NaN
8    XYA     9   NaN

型