如何对含NaN值的pandas DataFrame求和并保留有效值（0+NaN=0）

要实现你需要的求和逻辑——0与NaN相加结果为0，仅当对应位置所有值都是NaN时保留NaN，可以按以下步骤操作：

步骤1：对齐两个DataFrame的列名 #

首先确保两个DataFrame的列名一致，这样才能按对应列进行运算：

import pandas as pd
import numpy as np

# 创建示例DF1
df1 = pd.DataFrame({
    'A1': [0, 0],
    'B1': [0, 1],
    'C1': [np.nan, 1],
    'D1': [np.nan, np.nan]
})

# 创建示例DF2
df2 = pd.DataFrame({
    'A2': [np.nan, np.nan],
    'B2': [np.nan, 1],
    'C2': [np.nan, 1],
    'D2': [np.nan, 1]
})

# 将DF2的列名改为和DF1一致
df2.columns = df1.columns

步骤2：带填充的求和运算 #

使用add()方法，并设置fill_value=0，这样NaN会被当作0参与计算：

sum_temp = df1.add(df2, fill_value=0)

步骤3：还原全NaN的位置 #

上面的步骤会把两个NaN相加的结果变成0，但我们需要保留这些位置为NaN，所以需要找出两个DataFrame中对应位置都为NaN的区域，再将结果中的这些位置重置为NaN：

# 找出两个DF对应位置都为NaN的布尔矩阵
both_nan = df1.isna() & df2.isna()
# 用mask方法将全NaN位置重置为NaN
sum_df = sum_temp.mask(both_nan)

步骤4：重命名结果列（可选） #

如果需要将列名改为你预期的"A sum"格式：

sum_df.columns = [col.replace('1', ' sum') for col in sum_df.columns]

最终结果 #

运行后得到的sum_df就是你要的预期输出：

A sum  B sum  C sum  D sum
0    0.0    0.0    NaN    NaN
1    0.0    2.0    2.0    1.0

内容的提问来源于stack exchange，提问作者blackcat