Python 合并具有不同行数的数据帧，并使用值之和创建一个新列

我有这个df1：

df1 = pd.DataFrame({'Player':['Zico', 'Leonidas', 'Didi'],
                    'Team': ['Flamengo', 'Flamengo', 'Botafogo'],
                    'Position': ['MID', 'DEF', 'MID'],
                    'Games_Away': [4, 4, 4]})

另一个df2有不同的行数，第一个df上的所有玩家都在场

df2 = pd.DataFrame({'Player':['Zico', 'Leonidas', 'Didi', 'Gerson', 'Pele'],
                    'Team': ['Flamengo', 'Flamengo', 'Botafogo', 'Botafogo', 'Santos'],
                    'Position': ['MID', 'DEF', 'MID', 'MID', 'FWD'],
                    'Games_Home': [3, 4, 3, 1, 1]})

我如何合并这两个dfs，以得到一个新的列“Total_Games”，该列将正确相加

      Player  Team  Position  Games_Home  Games_Away Total_Games
0      Zico  Flamengo      MID      3       4         7
1  Leonidas  Flamengo      DEF      4       4         8
2      Didi  Botafogo      MID      3       4         7
3    Gerson  Botafogo      MID      1       0         1
4      Pele    Santos      FWD      1       0         1

我试过：

df_merge = df1.merge(df2, on="Player", how = 'inner')
df_merge['Total_Games']= df1['Games_Away'] + df2['Games_Home']

但这给了我：

     Player    Team_x Position_x  Games_Away    Team_y Position_y  Games_Home  Total_Games
0      Zico  Flamengo        MID           4  Flamengo        MID           3          7.0
1  Leonidas  Flamengo        DEF           4  Flamengo        DEF           4          8.0
2      Didi  Botafogo        MID           4  Botafogo        MID           3          7.0

问题：

• 不添加df2播放器
• 重复“位置”和“团队”

---

---

考虑到1+“NaN”必须是1，加入dfs、保留所有玩家、不重复列并正确求和“Games\u Away”+“Games\u Home”的最佳方式是什么？

是否进行外部

合并

df=df1.merge(df2,on=['Player','Team','Position'],how='outer').fillna(0)
df['Game_total']=df.Games_Away+df.Games_Home
 
df
Out[241]: 
     Player      Team Position  Games_Away  Games_Home  Game_total
0      Zico  Flamengo      MID         4.0           3         7.0
1  Leonidas  Flamengo      DEF         4.0           4         8.0
2      Didi  Botafogo      MID         4.0           3         7.0
3    Gerson  Botafogo      MID         0.0           1         1.0
4      Pele    Santos      FWD         0.0           1         1.0