如何修改Pandas函数实现df1与df2列的严格左前缀匹配

现有两个DataFrame：

import pandas as pd

df1=pd.DataFrame({'name': ['123456789', '5486544546', '65464564', '478615454']})
df2=pd.DataFrame({'num': ['12345', '54865', '5464','7861']})

需要修改以下函数，实现df1的name列值以df2的num列值为严格左前缀的匹配（当前函数会匹配任意位置的子串）：

df2['yes/no'] = df2['num'].apply(lambda x: df1['name'][df1['name'].astype(str).str.contains(str(x))].values[0] if len(df1['name'][df1['name'].astype(str).str.contains(str(x))].values)> 0 else 0)

期望结果 #

当前错误结果 #

核心修改是把匹配任意子串的str.contains()替换为匹配左前缀的str.startswith()，同时优化代码避免重复计算：

# 提前将df1的name转为字符串，避免重复转换
df1['name_str'] = df1['name'].astype(str)

df2['yes/no'] = df2['num'].apply(
    lambda x: df1.loc[df1['name_str'].str.startswith(str(x)), 'name'].values[0] 
    if len(df1.loc[df1['name_str'].str.startswith(str(x)), 'name']) > 0 
    else 0
)

说明 #

1. str.startswith()：该方法专门判断字符串是否以指定前缀开头，完全符合"严格左前缀匹配"的需求，替代原来的str.contains()（会匹配任意位置的子串）。
2. 提前转换字符串：把df1的name列转为字符串并存储为新列name_str，避免在循环中重复执行类型转换，提升代码效率。
3. df.loc索引：相比直接列索引，df.loc的写法更清晰，可读性更强。

执行上述代码后，即可得到期望的匹配结果。

内容的提问来源于stack exchange，提问作者Aizhan Askhatova