Pandas外连接合并DataFrame：将右表缺失值填充为0或NaN

这个需求本质是要生成Name和Shape的所有可能组合，再把对应的Color和Value补全，外连接确实做不到自动生成全组合，我给你两种优雅的实现方式，都能满足你的需求：

方法一：分步生成笛卡尔积（直观可控） #

这种方式步骤清晰，适合需要明确掌控每一步逻辑的场景：

1. 先准备好示例数据：

import pandas as pd

df1 = pd.DataFrame({
    'Name': ['Tom', 'Frank', 'John', 'Sarah'],
    'Color': ['Blue', 'Red', 'Green', 'Red']
})

df2 = pd.DataFrame({
    'Name': ['Tom', 'Tom', 'Frank', 'John', 'Sarah'],
    'Shape': ['Circle', 'Square', 'Triangle', 'Square', 'Circle'],
    'Value': [4, 4, 7, 2, 1]
})

2. 生成Name和Shape的所有可能组合（笛卡尔积）：

# 提取所有唯一的Name和Shape
all_names = df1['Name'].unique()
all_shapes = df2['Shape'].unique()

# 生成全组合DataFrame
full_combinations = pd.MultiIndex.from_product(
    [all_names, all_shapes], 
    names=['Name', 'Shape']
).to_frame(index=False)

3. 逐步合并并填充缺失值：

# 合并df1拿到每个Name对应的Color
merged = full_combinations.merge(df1, on='Name', how='left')

# 合并df2拿到Value，并用0填充缺失的Value
final_df = merged.merge(df2, on=['Name', 'Shape'], how='left').fillna({'Value': 0})

# 调整列顺序和你期望的一致
final_df = final_df[['Name', 'Color', 'Shape', 'Value']]

方法二：用Pivot+Melt实现（简洁高效） #

如果喜欢更紧凑的代码，可以用透视表+列转行的方式，一步到位：

import pandas as pd

# 先把df2转成宽表，自动用0填充缺失的Value
df2_pivot = df2.pivot_table(
    index='Name', 
    columns='Shape', 
    values='Value', 
    fill_value=0
)

# 和df1合并后，把Shape列转回行，调整格式
final_df = df1.merge(df2_pivot, on='Name', how='left') \
              .melt(
                  id_vars=['Name', 'Color'], 
                  var_name='Shape', 
                  value_name='Value'
              ) \
              .sort_values(['Shape', 'Name']) \
              .reset_index(drop=True)

两种方法运行后，都会得到你想要的DFM结果，缺失的Value已经自动填充为0。如果你更倾向先保留NaN再手动替换，只需要去掉fill_value=0或者fillna({'Value':0})即可。

内容的提问来源于stack exchange，提问作者pacificdune