为何用+运算符相加DataFrame多索引列得NaN，.add(axis=1)却正常？

我有一个带多级行索引（year/month）和多级列索引的DataFrame，结构如下：

Tiered Rates Prices       
                         lower higher
year month                           
2022 11                  41.36   0.00
     12                  74.42   0.00
2023 1                   72.31   0.00
     2                   71.01   0.00

尝试用+运算符直接相加lower和higher两列时，执行代码：

monthly_pivot[('Tiered Rates Prices', 'higher')] + monthly_pivot[('Tiered Rates Prices', 'lower')]

出现错误提示：

Expected a one-dimensional object, got a DataFrame with 2 columns instead.

打印结果得到全NaN的DataFrame，不符合预期：

Tiered Rates Prices      
                        higher lower
year month                          
2022 11                    NaN   NaN
     12                    NaN   NaN
2023 1                     NaN   NaN
     2                     NaN   NaN

但使用行求和的方式可以得到正确结果：

monthly_pivot['Tiered Rates Prices'].sum(axis=1)

结果：

year  month
2022  11        82.72
      12       148.84
2023  1        144.62
      2        142.02

问题原因 #

你的DataFrame列是两级MultiIndex，第一级为Tiered Rates Prices，第二级为lower/higher。直接使用monthly_pivot[('Tiered Rates Prices', 'higher')]并没有正确获取到单列Series，反而因为索引匹配问题返回了包含lower和higher两列的子DataFrame。两个DataFrame相加时，列对齐逻辑无法匹配对应数据，最终返回全NaN。

正确的列相加方式 #

需要明确获取到单个Series后再相加，以下几种方式都可行：

1. 使用loc精准定位列：

monthly_pivot.loc[:, ('Tiered Rates Prices', 'lower')] + monthly_pivot.loc[:, ('Tiered Rates Prices', 'higher')]

2. 先取第一级列的子DataFrame，再提取第二级列：

monthly_pivot['Tiered Rates Prices']['lower'] + monthly_pivot['Tiered Rates Prices']['higher']

3. 使用xs方法提取指定层级的列：

monthly_pivot.xs('lower', level=1, axis=1) + monthly_pivot.xs('higher', level=1, axis=1)

以上方式都能得到和sum(axis=1)一致的结果。

内容的提问来源于stack exchange，提问作者Long Vuong