合并两个含同名列的Pandas DataFrame并对同名列求和

核心高效方案（推荐） #

直接用DataFrame.add()方法，自动对齐索引和列名，指定fill_value=0就能实现需求：

import pandas as pd

# 假设已存在df1和df2两个目标DataFrame
result = df1.add(df2, fill_value=0)

• 逻辑：add()会自动匹配两个DataFrame的索引和列名，同名列对应位置的值直接相加；
• 对仅在单个DataFrame中存在的列，fill_value=0让缺失的一方以0参与计算，等价于保留原列的所有值。

通用备选方案（适合需中间操作场景） #

如果需要在合并后做额外处理，可以先拼接再按列名分组求和：

# 按列拼接两个DataFrame
combined_df = pd.concat([df1, df2], axis=1)
# 按列名分组，对每组求和
result = combined_df.groupby(combined_df.columns, axis=1).sum()

• 逻辑：concat(axis=1)会把两个DataFrame的列全部拼接，同名列会重复出现；
• groupby(axis=1).sum()将相同列名的列合并求和，唯一列名的列直接保留原值。

示例验证 #

用示例数据测试效果：

# 创建示例数据
dates = pd.date_range('2024-01-01', periods=3)
df1 = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6], 'C': [7,8,9]}, index=dates)
df2 = pd.DataFrame({'A': [10,20,30], 'B': [40,50,60], 'D': [70,80,90]}, index=dates)

# 用add方法生成结果
result = df1.add(df2, fill_value=0)
print(result)

输出结果：

A     B    C     D
2024-01-01  11  44.0  7.0  70.0
2024-01-02  22  55.0  8.0  80.0
2024-01-03  33  66.0  9.0  90.0

可见A、B列是两DataFrame对应值的和，C、D列则保留了各自原DataFrame中的值。

内容的提问来源于stack exchange，提问作者Ta S