可以使用concat和groupby.agg：

dfs = [data_1, data_2, data_3]
out = (pd.concat([d.set_index('ID') for d in dfs])
         .groupby('ID').agg(lambda x: ''.join(dict.fromkeys(x)))
         .reset_index()
       )

输出量：

ID Result
0  098      B
1  111      C
2  132     BC
3  134    ABC
4  234    ABC
5  331      A
6  372     AB
7  456     AB
8  765     AC
9  999      C

如果你真的想要一个leftjoin，那么reindex：

dfs = [data_1, data_2, data_3]
out = (pd.concat([d.set_index('ID') for d in dfs])
         .groupby('ID').agg(lambda x: ''.join(dict.fromkeys(x)))
         .reindex(data_1['ID']).reset_index()
       )

输出量：

ID Result
0  234    ABC
1  456     AB
2  331      A
3  134    ABC
4  372     AB
5  456     AB
6  765     AC

另一种可能的解决方案，基于pandas.merge：

out = (df1.merge(df2, on = 'ID', how='outer')
       .merge(df3, on = 'ID', how='outer')
       .drop_duplicates().fillna(''))
out.assign(result = out.iloc[:,1:].sum(axis=1)).iloc[:, [0,-1]]

如果我们有很多嵌套（或者想要压缩代码），我们可以使用functools.reduce：

from functools import reduce

out = reduce(lambda x, y: x.merge(y, on='ID', how='outer'), [df2, df3], df1)
out = out.drop_duplicates().fillna('')
out.assign(result = out.iloc[:,1:].sum(axis=1)).iloc[:, [0,-1]]

输出量：

ID result
0   234    ABC
1   456     AB
5   331      A
6   134    ABC
7   372     AB
8   765     AC
10  132     BC
11  098      B
12  111      C
13  999      C