您应该能够使用join，默认情况下它在索引上进行连接。如果您想要得到所需的结果，则必须使用outer作为连接类型。

>>> df1.join(df2, how='outer')
            V1  V2
A 1/1/2012  12  15
  2/1/2012  14 NaN
  3/1/2012 NaN  21
B 1/1/2012  15  24
  2/1/2012   8   9
C 1/1/2012  17 NaN
  2/1/2012   9 NaN
D 1/1/2012 NaN   7
  2/1/2012 NaN  16

签名：_.join（其他，打开=无，方式=“左”，左后缀=“”，右后缀=“”，排序=False）文档字符串：在索引或键列上将列与其他DataFrame联接。通过传递列表，一次按索引高效地联接多个DataFrame对象。

您可以使用merge执行此操作：

df_merged = df1.merge(df2, how='outer', left_index=True, right_index=True)

关键字参数how='outer'保留两个帧中的所有索引，用NaN填充缺失的索引。关键字参数left_index和right_index使合并在索引上完成。如果在合并后得到一列中的所有NaN，另一个故障排除步骤是验证索引是否具有相同的dtypes。
上面的merge代码为我生成了以下输出：

V1    V2
A 2012-01-01  12.0  15.0
  2012-02-01  14.0   NaN
  2012-03-01   NaN  21.0
B 2012-01-01  15.0  24.0
  2012-02-01   8.0   9.0
C 2012-01-01  17.0   NaN
  2012-02-01   9.0   NaN
D 2012-01-01   NaN   7.0
  2012-02-01   NaN  16.0

您也可以水平连接，因为concat在索引上匹配并且默认执行外部连接，所以只需传递axis=1参数来指定水平连接就足够了。

joined_df = pd.concat([df1, df2], axis=1)

与merge和join 1相比，concat的一个优点是，您可以传递一个 Dataframe 列表，并一次连接许多帧，而不会引起太大的麻烦。

joined_df = pd.concat([df1, df2, df1, df2], axis=1)

1对于join也可以这样做，但是如果有重复的列名，则必须在join调用之前处理它们，而对于concat，这无关紧要。