如何合并索引不完全相同的多个Pandas DataFrame？

要实现你需要的合并效果，核心是利用pandas的索引对齐机制，将多个Series/DataFrame按行索引合并，再填充缺失值。以下是具体步骤：

1. 构造原始数据 #

首先需要将你给出的示例数据转换为以目标索引为行索引的Series（如果是DataFrame，确保行索引是目标索引）：

import pandas as pd

# Col1的索引是A-F，对应值1-6
col1 = pd.Series([1, 2, 3, 4, 5, 6], index=['A', 'B', 'C', 'D', 'E', 'F'])
# Col2的索引是A、D、B、F、G、H，对应值7、8、9、10、11、12
col2 = pd.Series([7, 8, 9, 10, 11, 12], index=['A', 'D', 'B', 'F', 'G', 'H'])
# Col3的索引是A、D、C、F、H、I，对应值6、9、5、7、9、8
col3 = pd.Series([6, 9, 5, 7, 9, 8], index=['A', 'D', 'C', 'F', 'H', 'I'])

2. 合并并填充缺失值 #

使用pd.concat()按列合并（axis=1），pandas会自动对齐所有行索引，缺失的位置用NaN填充，最后将NaN替换为'-'：

# 合并三个Series，指定列名
merged_df = pd.concat([col1, col2, col3], axis=1, keys=['Col1', 'Col2', 'Col3'])
# 填充缺失值为'-'，转换为字符串格式
merged_df = merged_df.fillna('-').astype(str)
# 按索引字母顺序排序（可选，匹配你的输出格式）
merged_df = merged_df.sort_index()

运行后得到的结果与你需要的完全一致：

Col1 Col2 Col3
A    1    7    6
B    2    9    -
C    3    -    5
D    4    8    9
E    5    -    -
F    6   10    7
G    -   11    -
H    -   12    9
I    -    -    8

为什么之前的merge/concat没成功？ #

• 使用merge()时，默认按列匹配，若未指定left_index=True和right_index=True，会导致索引无法正确对齐。
• 使用concat()时，若未设置axis=1会按行合并而非列合并，且缺少缺失值填充步骤，自然无法得到目标格式。

内容的提问来源于stack exchange，提问作者Balepur