Python Pandas如何合并两个DataFrame：相同索引行求和，保留唯一索引

直接使用pandas原生的索引对齐加法逻辑即可，底层为矢量化实现，性能极高，哪怕数千列的规模也能快速输出结果，不需要编写循环或复杂的拼接分组逻辑：

df3 = df1.add(df2, fill_value=0).sort_index()

逻辑说明 #

• add方法会自动对齐两个DataFrame的行索引和列名：
  • 两个表共有的索引行，会自动逐列执行求和运算，完全匹配同索引行逐列相加的要求
  • 仅在单个表中存在的独有索引，另一个表对应位置的对齐缺失值会被fill_value=0填充为0，相加后等价于原样保留原有行的数值，不会产生空值
• 末尾的sort_index()会将最终结果按整数索引升序排列，和两个原始DataFrame的有序索引规则完全一致，输出结构和你给出的预期df3完全匹配。

注意：如果原始数据本身存在业务层面的空值，需要提前按业务规则填充，fill_value=0仅会处理两个表对齐时产生的位置缺失，不会修改原始数据自带的空值。

性能说明 #

该方案为pandas底层C实现的原生运算，无Python层循环开销，不管是数千列还是十万级以上行数，运行效率都远高于「先拼接两个表再按索引分组求和」的实现，内存占用也更低。

内容的提问来源于stack exchange，提问作者T.A. Anderson