如何基于3个共同列合并3个DataFrame？

看起来你犯了两个关键错误——一是merge的关联列参数完全写错了（你把left_on设成Date，right_on设成Product，这根本不是基于共同列的匹配逻辑），二是没处理共同列的数据类型不一致问题。别担心，咱们一步步解决这个多DataFrame合并的问题：

先解决报错里的类型不匹配问题，你需要确保三个DataFrame的Date、Plant、Product列类型完全一致。比如把所有Date列转成datetime类型，Plant和Product转成字符串：

import pandas as pd

# 批量统一三个DataFrame的共同列类型
for df in [df_1, df_2, df_3]:
    df['Date'] = pd.to_datetime(df['Date'])
    df['Plant'] = df['Plant'].astype(str)
    df['Product'] = df['Product'].astype(str)

因为你有三个DataFrame，我们可以用两种方法实现合并，都能保留所有不匹配的行（符合你不想用concat的需求）：

方法1：分步合并（直观易懂） #

先合并df_1和df_2，再把结果和df_3合并，始终基于三个共同列：

# 第一步：合并df_1和df_2
df_temp = pd.merge(
    df_1,
    df_2,
    how='outer',  # 保留所有行，包括不匹配的
    on=['Date', 'Plant', 'Product']  # 指定三个共同列作为匹配键
)

# 第二步：合并临时结果和df_3
final_df = pd.merge(
    df_temp,
    df_3,
    how='outer',
    on=['Date', 'Plant', 'Product']
)

方法2：用reduce批量合并（简洁高效） #

如果以后要合并更多DataFrame，这个方法更省心：

from functools import reduce

# 把所有要合并的DataFrame放进列表
dfs_list = [df_1, df_2, df_3]

# 用reduce批量执行合并逻辑
final_df = reduce(
    lambda left_df, right_df: pd.merge(
        left_df,
        right_df,
        how='outer',
        on=['Date', 'Plant', 'Product']
    ),
    dfs_list
)

如果你需要严格按照Date Plant Product Column1 Column2 Column3的顺序展示，可以手动调整：

final_df = final_df[['Date', 'Plant', 'Product', 'Column1', 'Column2', 'Column3']]

为啥你之前的代码会报错？ #

你之前的merge参数left_on='Date'和right_on='Product'是在把df_1的Date列（datetime类型）和df_2的Product列（object类型）强行匹配，类型完全不兼容，所以触发了报错。而且这也完全偏离了你基于三个共同列合并的需求。

内容的提问来源于stack exchange，提问作者Triz