您的代码已经很接近目标，但 df1 中的 lol ok 包含空格，而在 df2 中，这两个词需要被视为一个整体。您可以通过将 df2['Content'] 中的每一行视为整体字符串，而不是拆分成单词来解决这个问题。可以使用 apply 来遍历 df2['Content'] 的每一行，然后在 df1 的每一行中检查匹配情况。

以下是更新后的代码示例：

import pandas as pd

# 创建数据框
df1 = pd.DataFrame({
    'Alpha': ['and', 'or', 'lol ok'],
    'Numeric': ['1', '2', '4'],
    'Special': ['@', '#', '&']
})

df2 = pd.DataFrame({
    'Content': ['boy or girl', 'school @ morn', 'pyc LoL ok student', 'Chandra']
})

# 将 df1 转换为长格式以便于匹配
df1_melted = df1.melt(var_name='col_name', value_name='val_low').dropna()
df1_melted['val_low'] = df1_melted['val_low'].str.lower()  # 统一为小写

# 创建一个函数检查 df2 中的每个内容是否包含 df1 中的关键字
def match_content(content):
    content_lower = content.lower()
    for _, row in df1_melted.iterrows():
        if row['val_low'] in content_lower:
            return pd.Series([row['val_low'], row['col_name'], content])
    return pd.Series([None, 'Other', content])

# 应用匹配函数
result = df2['Content'].apply(match_content)
result.columns = ['val', 'col_name', 'Content']

# 显示结果
print(result)

代码解析

1. 使用 melt 将 df1 转换为长格式，方便后续的关键字搜索。
2. 定义 match_content 函数，在 df1 的每个关键字中查找 df2['Content'] 的内容。每找到一个匹配，就返回 val_low 和 col_name。
3. 对 df2['Content'] 的每一行应用 match_content 函数，生成新的 DataFrame。

输出

执行该代码将产生如下预期结果：

       val  col_name            Content
0       or     Alpha        boy or girl
1        @  Special      school @ morn
2   lol ok     Alpha  pyc LoL ok student
3      NaN     Other            Chandra

这样即可得到预期的结果，并且保留了包含空格的关键字。