如何对任意数量的pandas DataFrame按行列匹配逐元素相加？

方法1：使用pd.concat + groupby求和 #

这种方法逻辑直观，适合任意数量的DataFrame：先将所有DataFrame按行索引堆叠，再按行列索引分组求和，缺失的行列会自动以0参与计算（sum()默认跳过NaN，等价于视为0）。

代码示例：

import pandas as pd

dat1 = pd.DataFrame({'A' : [1999, -11234], 'B' : [88888, -345], 'C' : [-7777, -8978], 'D' : [7777, -8978]})
dat2 = pd.DataFrame({'A' : [999, 1234], 'B' : [8888, -345], 'C' : [-7777, -8978]})
Collection = [dat1, dat2]

# 合并所有DataFrame并按行索引分组求和
result = pd.concat(Collection).groupby(level=0).sum()
print(result)

输出结果：

A      B      C      D
0    2998  97776 -15554   7777
1  -10000   -690 -17956  -8978

方法2：使用functools.reduce + DataFrame.add #

通过reduce迭代调用add方法，设置fill_value=0让缺失的行列自动填充0后再相加，效率更高，适合大规模数据场景。

代码示例：

import pandas as pd
from functools import reduce

dat1 = pd.DataFrame({'A' : [1999, -11234], 'B' : [88888, -345], 'C' : [-7777, -8978], 'D' : [7777, -8978]})
dat2 = pd.DataFrame({'A' : [999, 1234], 'B' : [8888, -345], 'C' : [-7777, -8978]})
Collection = [dat1, dat2]

# 迭代相加，缺失值填充0
result = reduce(lambda x, y: x.add(y, fill_value=0), Collection)
print(result)

输出与方法1完全一致。

方法说明 #

• 方法1核心：concat堆叠所有DataFrame，groupby(level=0)保留原行索引，sum()自动忽略NaN（等价于视为0）；
• 方法2核心：reduce依次将列表中DataFrame两两相加，add(fill_value=0)确保缺失的行/列用0补充，避免出现NaN；
• 两种方法均支持任意数量的DataFrame，无论行/列是否完全匹配。

内容的提问来源于stack exchange，提问作者Brian Smith