如何按顺序合并多个DataFrame？现有尝试未达预期求正确方法

我原以为这个问题应该有重复提问，但没找到合适答案。按顺序合并多个DataFrame时遇到问题，现有四个DataFrame如下：

df1 = pd.DataFrame({'source': ['A', 'A', 'A', 'B', 'B', 'C', 'C'],
       'target': ['1', '2', '3', '4', '5', '6', '7']})
df2 = pd.DataFrame({'source': ['A', 'A'],
       'temp': ['a', 'b']})
df3 = pd.DataFrame({'source': ['B', 'B'],
       'temp': ['c', 'd']})
df4 = pd.DataFrame({'source': ['C'],
       'temp': ['e']})

期望合并后得到如下结果：

#   source  target  temp
#0  A   1   a
#1  A   1   b
#2  A   2   a
#3  A   2   b
#4  A   3   a
#5  A   3   b
#6  B   4   c
#7  B   4   d
#8  B   5   c
#9  B   5   d
#10 C   6   e
#11 C   7   e

我试了三种代码，都没得到预期结果：

#Trial 1
dfs = pd.merge(df1, df2, on='source', how='left')
dfs = pd.merge(dfs, df3, on='source', how='left') # 生成了带前缀的新列，但我只想保留source、target、temp三列

#Trial 2
dfs = pd.merge(df1, df2, on='source', how='left')
dfs['temp']=dfs.set_index('source')['temp'].fillna(df3.set_index('source')['temp'].to_dict()).values # 只能填充固定数量的NaN，但实际情况是一个NaN对应其他df里的多个值，这样处理有问题

#Trial 3
dfs = pd.merge(df1, df2, on='source', how='left')
dfs[dfs['source']=='B']['temp']=pd.merge(df1, df3, on='source', how='left')['temp'].dropna() # 根本没修改dfs

步骤1：合并所有temp映射表 #

先把df2、df3、df4纵向拼接，得到每个source对应的全部temp值：

temp_df = pd.concat([df2, df3, df4], ignore_index=True)

步骤2：与df1做笛卡尔积合并 #

通过pd.merge按source关联，默认的内连接会自动将每个target与对应source下的所有temp配对，生成期望的结果：

result = pd.merge(df1, temp_df, on='source')

最终结果 #

运行后result的输出如下，完全符合预期：

source target temp
0       A      1    a
1       A      1    b
2       A      2    a
3       A      2    b
4       A      3    a
5       A      3    b
6       B      4    c
7       B      4    d
8       B      5    c
9       B      5    d
10      C      6    e
11      C      7    e

之前尝试失败的原因 #

• Trial1：连续merge时，重复列名会被添加前缀区分，且这种方式无法实现一对多的笛卡尔积配对，不符合需求。
• Trial2：fillna仅支持单个值填充NaN，无法处理一个source对应多个temp的场景，只能填充单一值而非所有可能的temp。
• Trial3：dfs[dfs['source']=='B']属于链式索引，返回的是原DataFrame的临时切片，赋值操作不会作用到原DataFrame上，因此没有修改效果。

内容的提问来源于stack exchange，提问作者Ssong