如何实现Pandas DataFrame特殊相加：匹配索引求和，缺失索引保留

你需要的是匹配索引对应值求和，非匹配索引直接保留原数值的DataFrame相加逻辑，下面两种方法可以完美实现需求：

方法1：使用add()方法并指定fill_value=0 #

add()是Pandas专门用于数据对齐的加法方法，设置fill_value=0后，仅在单个DataFrame中存在的索引会被填充0参与计算，最终结果等价于保留原数值：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({'data': [4.2, 5.0, 3.0]}, index=['index1', 'index2', 'index3'])
df2 = pd.DataFrame({'data': [1.0, 7.0, 2.0]}, index=['index2', 'index3', 'index4'])

# 执行相加操作
result = df1.add(df2, fill_value=0)

输出结果：

data
index1   4.2
index2   6.0
index3  10.0
index4   2.0

方法2：concat结合groupby.sum() #

先合并两个DataFrame，再按索引分组求和，同样能实现需求：

combined = pd.concat([df1, df2])
result = combined.groupby(combined.index).sum()

执行后得到的结果和方法1完全一致。

为什么之前的尝试没生效？ #

• 直接用+运算符：会将仅单个DataFrame存在的索引对应值标记为NaN，无法保留原数值
• 未设置fill_value的add()方法：缺失位置默认填充NaN，相加后仍为NaN
• 单纯使用concat()：仅完成数据合并，未对重复索引的值求和

内容的提问来源于stack exchange，提问作者J. C. Stark