データフレームと特定の一般的でない列のマージ

set_index が必要だと思う   concat と   A によるすべてのDataFrameへの参加  カラム：

dfs = [df1, df2]
#for each DataFrame create index by A column
dfs = [x.set_index('A') for x in dfs]
#for join by more columns
#dfs = [x.set_index(['A', 'col1', 'col2']) for x in dfs]
df = pd.concat(dfs, axis=1).rename_axis('A').reset_index()
print (df)
     A    B    D
0  'a'  1.0  NaN
1  'b'  2.0  NaN
2  'c'  3.0  NaN
3  'd'  4.0  NaN
4  'm'  NaN  's'
5  'n'  NaN  'd'
6  'o'  NaN  'k'

編集：

dfs = [df1, df2]
#for each DataFrame create index by A column
dfs = [x.set_index(['Column_A','Column_CounterName']) for x in dfs]
df = pd.concat(dfs)['Column_CounterValue'].unstack().rename_axis(None, 1).reset_index()
print (df)
  Column_A   Type1  Type2  Type3  Type4  Type5  Type6
0        a   100.0  300.0    NaN    NaN    NaN    NaN
1        b     NaN    NaN  356.0  233.0    NaN    NaN
2        d   453.0    NaN    NaN    NaN    NaN    NaN
3        m   100.0    NaN    NaN    NaN  300.0    NaN
4        n     NaN    NaN    NaN    NaN  846.0  356.0
5        o  7455.0    NaN    NaN    NaN    NaN    NaN

取得する場合：

ValueError: Index contains duplicate entries, cannot reshape

ペア Column_A の重複を意味します  および Column_CounterName  お気に入り：

d1 = {'Column_A' : ['a', 'a', 'b', 'b', 'd'],
'Column_CounterName' : ['Type1', 'Type1', 'Type3', 'Type4', 'Type1'],
'Column_CounterValue' : [100, 300, 356,  233, 453]}
d2 = {'Column_A' :[ 'm', 'm', 'n', 'n', 'o'],
'Column_CounterName' : ['Type1', 'Type5', 'Type6','Type5', 'Type1'],
'Column_CounterValue' : [100, 300, 356, 846, 7455]}
df1 = pd.DataFrame(d1)
print (df1)
  Column_A Column_CounterName  Column_CounterValue
0        a              Type1                  100 <- same a, Type1
1        a              Type1                  300 <- same a, Type1
2        b              Type3                  356
3        b              Type4                  233
4        d              Type1                  453
df2 = pd.DataFrame(d2)
print (df2)
  Column_A Column_CounterName  Column_CounterValue
0        m              Type1                  100
1        m              Type5                  300
2        n              Type6                  356
3        n              Type5                  846
4        o              Type1                 7455

次に、可能な解決策は、複製されたペアを集約します。によって mean ：

df = (pd.concat(dfs)['Column_CounterValue']
        .groupby(level=[0,1])
        .mean()
        .unstack()
        .rename_axis(None, 1)
        .reset_index())
print (df)
  Column_A   Type1  Type3  Type4  Type5  Type6
0        a   200.0    NaN    NaN    NaN    NaN <- (100 + 300) / 2 = 200
1        b     NaN  356.0  233.0    NaN    NaN
2        d   453.0    NaN    NaN    NaN    NaN
3        m   100.0    NaN    NaN  300.0    NaN
4        n     NaN    NaN    NaN  846.0  356.0
5        o  7455.0    NaN    NaN    NaN    NaN