可能有更简单的方法，但是：
在关联它们之后，您可以找到在每列中包含匹配值的行的索引。

df_m = pd.concat([df1, df2, df3], ignore_index=True)

groups = (
   df_m.stack()
       .to_frame()
       .reset_index()
       .set_axis(['row', 'col', 'value'], axis=1)
       .groupby(['col', 'value'])
)
rows = groups.agg(tuple)[groups.count() > 1].dropna().reset_index(drop=True)['row'].explode()

rows爆炸前：

0    (2, 6)
1    (0, 3)
2    (4, 7)
3    (5, 8)
Name: row, dtype: object

所以行2, 6需要被“组合”，0, 3等等。
一种方法是将它们的索引设置为相同的值并使用.groupby
例如，将其转换为{ 2: 2, 6: 2, 0: 0, 3: 0, ... }
然后我们可以.groupby().first()来获得每个“组合”行：

idx = rows.groupby(level=0).transform('first').set_axis(rows)
idx = df_m.index.to_series().map(idx).fillna(df_m.index.to_series())

df.groupby(idx).first()

A     B     C     D     E     F     G
0    a1    b1    c1    d1    e1  None  None
1    a2    b2    c2  None  None  None  None
2    a3    b3    c3    d3  None    f3    g3
4  None    b4  None    d4    e4    f4    g4
5  None  None  None    d5    e5    f5    g5

你可以这样做：

from functools import reduce
l = lambda x: x[x.first_valid_index()][1]
df_out = reduce(lambda x, y: x.set_index(x.apply(l, axis=1)).combine_first(y.set_index(y.apply(l, axis=1))), [df1,df2,df3])

df_out

输出：

A    B    C    D    E    F    G
1   a1   b1   c1   d1   e1  NaN  NaN
2   a2   b2   c2  NaN  NaN  NaN  NaN
3   a3   b3   c3   d3  NaN   f3   g3
4  NaN   b4  NaN   b4   e4   f4   g4
5  NaN  NaN  NaN   d5   e5   f5   g5

详细信息，创建一个函数，定义值代表哪一行，即set_index。然后使用df.combine_first将所有 Dataframe 合并到 Dataframe 索引和列标题上。使用functools.reduce，您可以合并两个以上的 Dataframe 。