如何将一个DataFrame中的值累加至另一个DataFrame？

核心思路 #

以Product作为匹配键，将DataFrame 2中的Amount和Price列数值累加到DataFrame 1对应行中，其他列（如Total）保持不变。

具体代码实现 #

先导入pandas并创建示例数据：

import pandas as pd

# 创建DataFrame 1
df1 = pd.DataFrame({
    'Product': ['A', 'B', 'C', 'D'],
    'Amount': [1, 4, 2, 5],
    'Price': [12.0, 20.0, 4.0, 30.0],
    'Total': [15, 15, 15, 15]
})

# 创建DataFrame 2
df2 = pd.DataFrame({
    'Product': ['B', 'C'],
    'Amount': [3, 2],
    'Price': [20.0, 4.0]
})

提供两种常用实现方法：

方法一：合并后逐列累加

通过合并匹配行，再对目标列执行相加操作：

# 按Product合并，保留df1所有行
merged_df = df1.merge(df2, on='Product', how='left', suffixes=('', '_df2'))

# 累加Amount和Price，空值用0填充避免计算错误
merged_df['Amount'] = merged_df['Amount'] + merged_df['Amount_df2'].fillna(0)
merged_df['Price'] = merged_df['Price'] + merged_df['Price_df2'].fillna(0)

# 移除临时生成的列，得到结果
result_df = merged_df.drop(['Amount_df2', 'Price_df2'], axis=1)

方法二：索引匹配后直接相加

通过设置索引快速匹配，代码更简洁：

# 将两个DataFrame的索引设为Product
df1_indexed = df1.set_index('Product')
df2_indexed = df2.set_index('Product')

# 对指定列执行累加，fill_value=0确保无匹配行时不改变原数据
df1_indexed[['Amount', 'Price']] = df1_indexed[['Amount', 'Price']].add(df2_indexed[['Amount', 'Price']], fill_value=0)

# 恢复原索引结构
result_df = df1_indexed.reset_index()

最终结果 #

执行上述代码后，result_df输出与预期一致：

内容的提问来源于stack exchange，提问作者JDK