你可以在纯种Pandas身上做到这一点：

(pd.concat([df1,df2])
   .stack()
   .groupby(level=[0,1])
   .apply(tuple)
   .unstack()
 )

输出：

A        B
0  (1, 7)  (4, 10)
1  (2, 8)  (5, 11)
2  (3, 9)  (6, 12)

输入：

import pandas as pd 
df1 = pd.DataFrame({"A":[1,2,3],"B":[4,5,6]})
df2 = pd.DataFrame({"A":[7,8,9],"B":[10,11,12]})

你所寻找的操作看起来像"zip"。也就是说，将两个序列的元素一起匹配成一个元组序列。如果你查看你的 Dataframe 中的每一列，并将它们压缩在一起，你将得到一个结果，这是一个元组列表的列表-你想在你的结果 Dataframe 中。然后你可以用相同的列和索引构建一个 Dataframe 。在代码中，看起来像这样

data = [list(zip(df1[col], df2[col])) for col in df1]
pd.DataFrame(data, index=[1,2,3], columns=["A", "B", "C"])

你也许可以用这样的东西来达到你想要的。
df3 = pd.DataFrame({x: zip(df1[x], df2[x]) for x in df1.columns})

df1 = pd.DataFrame({"A" : [1,2,3], "B":[4,5,6]})
df2 = pd.DataFrame({"A" : [7,8,9], "B":[10,11,12]})

def add_dfs(df1, df2):
    for col in df1.columns:
        df1[col] = df1[col].apply(lambda x: (x,))
    for col in df2.columns:
        df2[col] = df2[col].apply(lambda x: (x,))
    df = df1 + df2 # using + operator , satisfies answer technically
    return df

df = add_dfs(df1, df2)

df1.compare(df2).groupby(level=0,axis=1).apply(lambda dd:dd.agg(tuple,axis=1))

输出：

A        B
0  (1, 7)  (4, 10)
1  (2, 8)  (5, 11)
2  (3, 9)  (6, 12)