如何基于首列行值对齐Pandas浮点数DataFrame并逐单元格相加？

核心思路 #

利用Pandas的索引对齐机制，将timestamps列设为DataFrame的索引，这样不管行的位置如何，相同timestamp的行会自动匹配，再进行逐单元格运算。

具体步骤与代码 #

1. 设置索引对齐行
   先把两个DataFrame的timestamps列设为索引，确保后续运算时行能正确匹配：

   # 将timestamps设为索引，若需保留原列可添加drop=False
   df_1 = df_1.set_index('timestamps')
   df_2 = df_2.set_index('timestamps')
   

2. 循环累积相加
   初始化累积DataFrame，在循环中每次对齐后累加新的DataFrame：

   # 初始化累积容器，以第一个df_1作为初始值
   cumulative_df = df_1.copy()
   n = 1  # 初始计数器
   
   # 模拟循环（替换为你的实际循环逻辑，比如批量读取文件/生成数据）
   for _ in range(your_loop_count):
       # 假设每次循环生成/读取新的df_new，先统一设置索引
       df_new = df_new.set_index('timestamps')
       # 对齐后累加，缺失行默认填充NaN，用fill_value=0可将缺失值视为0计算
       cumulative_df = cumulative_df.add(df_new, fill_value=0)
       n += 1
   
   # 若你是固定重复将df_1与df_2相加n次，可简化为：
   # cumulative_df = df_1.add(df_2, fill_value=0) * n
   

3. 计算平均值
   最后将累积结果除以循环次数n得到均值：

   result_df = cumulative_df / n
   # 可选：将索引转回普通列
   result_df = result_df.reset_index()
   

关键说明 #

• 索引对齐后，位置不同但timestamp相同的行会自动匹配相加，比如示例中df_1的row_6和df_2的row_7（假设timestamp一致）会被正确对应。
• 若某个timestamp仅在单个DataFrame中存在，add方法默认保留该行并填充NaN，根据业务需求选择是否用fill_value=0将缺失值转为0参与计算。

内容的提问来源于stack exchange，提问作者Ajgar Dev