B表是对应A列的某一列数据的标准，用B表的标准去比对对应A表中的列数，获得新的一列合并到A表上，python

在Python中，你可以使用pandas库来进行这样的操作，它非常适合处理表格数据。假设你有两个DataFrame，A表和B表，你需要基于B表的标准（列数据）填充或校准A表缺失的部分。这里是一个基本步骤：

import pandas as pd

# 假设 A = df_a (A表)，B = df_b (B表)
# df_b是标准表，df_a是你想合并的表

# 确保两表有共同的关键字段（列名）
common_columns = set(df_a.columns) & set(df_b.columns)

# 创建一个新的列，用B表的标准填充A表的缺失值
# 使用pandas的merge函数，如果某个字段在A表中不存在，则用B表的值填充
if 'new_column_name' in df_b.columns:
    df_a['new_column_name'] = df_a.apply(lambda row: df_b.loc[row[common_columns[0]], 'new_column_name'].values[0] if pd.isnull(row['new_column_name']) else row['new_column_name'], axis=1)
else:
    # 如果新列不存在于B表，但存在A表，我们可以直接复制过来
    df_a['new_column_name'] = df_a['new_column_name'].fillna(method='ffill')  # 或者其他填充方式

# 结果存储回新的DataFrame
result_df = df_a

在这个例子中，`common_columns`用于找到两个表共享的列名，`apply`函数遍历A表每一行并根据共享列查找B表的值。注意，这里假设了A表中的'new_column_name'列在B表中有对应的值。如果没有，你需要选择合适的填充策略，如前向填充(`ffill`)、后向填充(`bfill`)或者用默认值。