如何在 pandas 中獲得真正的外部連接？這意味著它實際上為您提供了整個輸出，而不是組合要合并的列。在我看來，這有點愚蠢，因為它使得很難確定要連續(xù)執(zhí)行哪種操作。我一直這樣做是為了檢測是否應(yīng)該插入、更新或刪除數(shù)據(jù)，但是我總是必須在列上創(chuàng)建額外的合并副本，這只是某些數(shù)據(jù)集上的大量開銷（有時是大量開銷）。例子：import pandas as pdkeys = ["A","B"]df1 = pd.DataFrame({"A":[1,2,3],"B":["one","two","three"],"C":["testThis","testThat", "testThis"],"D":[None,hash("B"),hash("C")]})df2 = pd.DataFrame({"A":[2,3,4],"B":["two","three","four"],"C":["testThis","testThat", "testThis"], "D":[hash("G"),hash("C"),hash("D")]})fullJoinDf = df1.merge(df2, how="outer", left_on=keys, right_on=keys, suffixes=["","_r"])display(    fullJoinDf,)    A   B       C           D               C_r          D_r0   1   one     testThis    NaN             NaN          NaN1   2   two     testThat    -3.656526e+18   testThis    -9.136326e+182   3   three   testThis    -8.571400e+18   testThat    -8.571400e+183   4   four    NaN         NaN             testThis    -4.190116e+17注意到它如何輸出A并B神奇地組合成一組列。我想要的是在 SQL 外連接等中得到的結(jié)果，例如：    A    B      C           D               A_r  B_r     C_r        D_r0   1    one    testThis    NaN             NaN  NaN     NaN        NaN     1   2    two    testThat    -3.656526e+18   2    two     testThis   -9.136326e+182   3    three  testThis    -8.571400e+18   3    three   testThat   -8.571400e+183   NaN  NaN    NaN         NaN             4    four    testThis   -4.190116e+17編輯@Felipe Whitaker使用連接：df3 = df1.copy().set_index(keys)df4 = df2.copy().set_index(keys)t = pd.concat([df3,df4], axis=1)t.reset_index(),     A   B       C           D               C           D0   1   one     testThis    NaN             NaN         NaN1   2   two     testThat    -3.656526e+18   testThis    -9.136326e+182   3   three   testThis    -8.571400e+18   testThat    -8.571400e+183   4   four    NaN         NaN             testThis    -4.190116e+17編輯示例*鑒于答案，我將發(fā)布更多測試，因此任何其他偶然發(fā)現(xiàn)此問題的人都可以看到我在執(zhí)行此操作時發(fā)現(xiàn)的更多“gatcha”變體。