合并多个DataFrame时处理重叠ID及缺失索引的实现问题

步骤1：导入依赖并构造示例DataFrame #

import pandas as pd

# 构造第一个DataFrame
df1 = pd.DataFrame({
    'ID': [1,3,4,5,7],
    'Value': [10,21,12,43,11]
})

# 构造第二个DataFrame
df2 = pd.DataFrame({
    'ID': [1,2,4,6,7],
    'Value2': [12,14,55,23,90]
})

步骤2：按ID维度合并 #

使用外连接模式保留两个表的所有ID，缺失值默认填充为NaN：

# 双表合并代码
merged_df = pd.merge(df1, df2, on='ID', how='outer')

# 若后续有更多带Value3、Value4的DataFrame，可使用批量合并方案：
# from functools import reduce
# df_list = [df1, df2, df3, df4] # 所有待合并的表放入列表
# merged_df = reduce(lambda left, right: pd.merge(left, right, on='ID', how='outer'), df_list)

步骤3：生成ID专属字典 #

# 可选：如果需要把空值替换为空字符串而非NaN，可执行这一行
merged_df = merged_df.fillna('')

# 转换为「ID为键、数值字典为值」的目标结构
id_result = merged_df.set_index('ID').to_dict('index')

最终输出示例：

• id_result[1] 返回 {'Value': 10, 'Value2': 12}
• id_result[2] 返回 {'Value': '', 'Value2': 14}
• id_result[3] 返回 {'Value': 21, 'Value2': ''}

内容的提问来源于stack exchange，提问作者markovv.sim