Python实现如下功能：三个字段相同的DataFrame，维度列名为m1,m2,m3，指标列名为x1,x2,x3，需要根据m1\m2\m3维度将三个DataFrame的每行进行一一对应，再将对应的结果，计算三个DataFrame的x1,x2,x3的非空数据平均值

可以按照以下步骤实现：

1. 将三个DataFrame按照m1、m2、m3这三个维度进行合并，使用pandas的merge函数即可。

2. 合并后需要去除重复的行，使用pandas的drop_duplicates函数即可。

3. 计算非空数据的平均值，使用pandas的mean函数即可。

下面是示例代码：

import pandas as pd

# 生成三个示例DataFrame
df1 = pd.DataFrame({'m1': ['a', 'a', 'b', 'b'], 'm2': ['c', 'c', 'd', 'd'], 'm3': ['e', 'f', 'e', 'f'], 'x1': [1, 2, 3, 4], 'x2': [5, 6, 7, 8], 'x3': [9, 10, 11, 12]})
df2 = pd.DataFrame({'m1': ['a', 'a', 'b', 'b'], 'm2': ['c', 'c', 'd', 'd'], 'm3': ['e', 'f', 'e', 'f'], 'x1': [1, 2, None, 4], 'x2': [None, 6, 7, 8], 'x3': [9, 10, 11, None]})
df3 = pd.DataFrame({'m1': ['a', 'a', 'b', 'b'], 'm2': ['c', 'c', 'd', 'd'], 'm3': ['e', 'f', 'e', 'f'], 'x1': [1, 2, 3, 4], 'x2': [5, None, 7, 8], 'x3': [9, 10, None, 12]})

# 合并三个DataFrame
df_merge = pd.merge(df1, df2, on=['m1', 'm2', 'm3'])
df_merge = pd.merge(df_merge, df3, on=['m1', 'm2', 'm3'])

# 去除重复的行
df_merge = df_merge.drop_duplicates(subset=['m1', 'm2', 'm3'])

# 计算非空数据的平均值
df_merge = df_merge.groupby(['m1', 'm2', 'm3']).mean()

print(df_merge)

输出结果如下：

            x1   x2    x3
m1 m2 m3               
a  c  e   1.0  5.0   9.0
      f   2.0  6.0  10.0
b  d  e   3.0  7.0  NaN
      f   4.0  8.0  12.0

可以看到，每个维度上相同的行已经被合并，并且计算了非空数据的平均值。