如何合并列数不同的3个Pandas DataFrame并生成频次统计结果？

先明确三个DataFrame的构造（方便复现） #

先把你给出的原始数据转换成对应三个DataFrame：

import pandas as pd

# 单列DataFrame df
df = pd.DataFrame({
    'Itemcode': ['AAC', 'AAB', 'AAG', 'AAD', 'AAC']
})

# 单列DataFrame df2
df2 = pd.DataFrame({
    'Itemcode2': ['AAC', 'AAB', 'AAF', 'AAD', None]
})

# 双列DataFrame df3
df3 = pd.DataFrame({
    'Itemcode': ['AAC', 'AAB', 'AAT', 'AAD', 'AAF'],
    'count': [2, 1, 0, 1, 1]
})

处理步骤 #

1. 统计单列DataFrame的频次
   对两个单列DataFrame分别做频次统计，转成带列名的DataFrame：

# 统计df的Itemcode出现频次，重命名列
df_counts = df['Itemcode'].value_counts().rename('df').to_frame()

# 统计df2的Itemcode2出现频次，重命名列
df2_counts = df2['Itemcode2'].value_counts().rename('df2').to_frame()

2. 收集所有唯一编码作为统一索引
   要覆盖三个DataFrame里出现的所有编码，保证合并后没有遗漏：

all_codes = pd.concat([df['Itemcode'], df2['Itemcode2'].dropna(), df3['Itemcode']]).unique()

如果只需要你预期结果里的编码，直接指定即可：all_codes = ['AAC', 'AAB', 'AAT', 'AAD', 'AAF']

3. 整理双列DataFrame的结构
   将df3的Itemcode设为索引，提取count列并重命名：

df3_counts = df3.set_index('Itemcode')['count'].rename('df3').to_frame()

4. 合并并填充缺失值
   用统一索引对齐三个DataFrame，缺失值填充为0：

result = pd.concat([
    df_counts.reindex(all_codes, fill_value=0),
    df2_counts.reindex(all_codes, fill_value=0),
    df3_counts.reindex(all_codes, fill_value=0)
], axis=1)

# 去掉索引名，和预期结果格式一致
result.index.name = None

print(result)

最终输出 #

df  df2  df3
AAC    2    1    2
AAB    1    1    1
AAT    0    0    0
AAD    1    1    1
AAF    0    1    1

内容的提问来源于stack exchange，提问作者beginner