遍历字典table_dic, 取字典里面的每一个dataframe ， 与dataframe B表对比，如果该表中的字段在B中不存在，则添加到table C中

要遍历字典`table_dic`，并将字典中的每个DataFrame与DataFrame B进行比较，并在B中缺失的字段添加到table C中，你可以采用如下的Python代码：

from pandas import DataFrame

# 假设table_B是你已有的DataFrame
table_B = ...  # 请填充实际的DataFrame内容

# 创建一个空的DataFrame用于存储结果，即table_C
table_C = DataFrame()

# 遍历table_dic中的所有DataFrame
for table_name, df_temp in table_dic.items():
    # 判断df_temp中的字段是否全部在table_B中
    fields_in_temp = set(df_temp.columns)
    fields_in_B = set(table_B.columns)

    # 获取只在df_temp中存在的字段
    missing_fields = fields_in_temp - fields_in_B

    # 如果有缺失字段，将它们添加到table_C
    if missing_fields:
        for field in missing_fields:
            table_C[field] = None  # 初始化列值为None或其他默认值
        table_C = table_C.merge(df_temp, how='left', on=[field for field in missing_fields])  # 根据缺失字段合并

# 如果你想保留原始表名作为列名，可以这样做：
table_C = table_C.rename_axis(index=None, columns=lambda x: f"{table_name}_{x}" if x not in table_B.columns else x)

# 保存最终结果table_C
table_C.to_csv('table_C.csv')  # 或者适合你数据持久化的方式，如数据库、Excel等

这段代码首先检查`table_B`和`df_temp`的列集合差异，找出`df_temp`特有的列。然后对这些新列创建一个空的DataFrame `table_C`，并将`df_temp`中的数据通过左连接合并到`table_C`。如果在合并过程中遇到列名冲突，使用原表名前缀以区分。