如何基于A列并集合并两个DataFrame并填充对应列数据？

嘿，这事儿不难，咱们一步步来实现你要的效果：

首先，核心思路是用**外连接（outer join）**来获取A列的并集，然后重命名列，最后把缺失值补成0就行。

完整代码示例 #

import pandas as pd

# 定义原始DataFrame
df1 = pd.DataFrame({'A' : ['a','b','c'], 'B' : [10,20,30], 'C' : [2,5,3]})
df2 = pd.DataFrame({'A' : ['a','b','d'], 'B' : [34,21,45], 'C' : [1,5,5]})

# 1. 外连接合并，保留A列的所有值
merged_df = pd.merge(df1, df2, on='A', how='outer', suffixes=('_f', '_d'))

# 2. 重命名列，对应你要的命名规则
merged_df = merged_df.rename(columns={
    'B_f': 'f_M',
    'C_f': 'd_M',
    'B_d': 'f_B',
    'C_d': 'd_B'
})

# 3. 把缺失值填充为0，然后重置索引（让索引从0开始）
merged_df = merged_df.fillna(0).reset_index(drop=True)

# 调整列的顺序，和你期望的输出一致
merged_df = merged_df[['A', 'f_M', 'd_M', 'f_B', 'd_B']]

# 可选：把数值列转成整数类型（默认是float，因为填充了NaN）
merged_df = merged_df.astype(int)

print(merged_df)

代码细节解释 #

• 外连接（how='outer'）：确保A列的所有值（包括df1独有的c和df2独有的d）都被保留，不会丢失任何一行数据。
• suffixes参数：给两个DataFrame中重名的列（B、C）加上后缀，避免合并后列名冲突，方便后续重命名。
• rename()：把带后缀的列改成你需要的f_M、d_M、f_B、d_B，完全匹配你的命名要求。
• fillna(0)：把合并后缺失的数值（比如c对应的df2的B、C值，d对应的df1的B、C值）统一填充为0。
• astype(int)：因为填充NaN后数值会变成float类型，这一步可以把所有数值列转成整数，和你期望的输出格式完全一致。

运行这段代码后，输出结果如下：

A  f_M  d_M  f_B  d_B
0  a   10    2    34    1
1  b   20    5    21    5
2  c   30    3     0    0
3  d    0    0    45    5

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