如何对存储元组数据的两个DataFrame进行求和运算

问题根源 #

你之前的方法失效，核心原因是DataFrame的元素是单元素元组/None，不是直接的数值类型，pandas和numpy的数值运算函数无法直接处理元组对象，类型转换方法也因为元组的存在无法生效。

解决步骤 #

先把元组中的数值提取出来，将None转为pandas可识别的NaN，再执行求和，最后可按需转回元组格式。

1. 模拟你的数据场景（方便复现）

import pandas as pd
import numpy as np

# 模拟带有单元素元组和None的DataFrame
df1 = pd.DataFrame(
    {'col1': [(-17.5,), (2.0,), None], 'col2': [(5.0,), None, (3.0,)]},
    index=['P00001', 'P00002', 'P00003']
)
df2 = pd.DataFrame(
    {'col1': [(3.3,), None, (1.0,)], 'col2': [None, (4.0,), (2.5,)]},
    index=['P00001', 'P00002', 'P00003']
)

2. 提取元组内数值并转换None为NaN

定义一个处理单个元素的函数，用applymap应用到整个DataFrame：

def extract_num(x):
    if x is None:
        return np.nan
    # 取单元素元组的第一个值
    return x[0]

df1_clean = df1.applymap(extract_num)
df2_clean = df2.applymap(extract_num)

3. 执行对应位置求和

用add方法并设置fill_value=0，自动处理NaN（即原None的位置）：

df_total = df1_clean.add(df2_clean, fill_value=0)

4. （可选）转回单元素元组格式

如果需要保持原数据结构，把求和结果再转回元组：

def to_single_tuple(x):
    if pd.isna(x):
        return None
    return (x,)

df_total_tuple = df_total.applymap(to_single_tuple)

验证结果 #

以你提到的(P00001,0)位置为例，df1_clean.loc['P00001', 'col1']是-17.5，df2_clean.loc['P00001', 'col1']是3.3，求和后得到-14.2，符合预期。

内容的提问来源于stack exchange，提问作者snkm