pandas两个DataFrame相加时缺失行列不产生多余NaN的方法

最简洁优雅的实现方式是直接调用DataFrame内置的add方法，传入fill_value=0参数即可，无需手动做索引对齐、空值填充等冗余操作，pandas内部会自动完成索引、列的并集对齐，运算逻辑完全匹配需求：

• 两个DataFrame同时存在的行、列位置：正常执行数值加法
• 仅在单个DataFrame存在的位置：将缺失方的数值按0计算，最终保留原有的单值
• 两个DataFrame都不存在的位置：结果保留NaN，不会生成多余的填充值

示例代码 #

import pandas as pd
import numpy as np

# 构造测试数据
index1 = pd.Index(["a", "b"])
data1 = np.full(shape=(2, 2), fill_value=1.0)
df1 = pd.DataFrame(data1, index=index1, columns=index1)

index2 = pd.Index(["b", "c"])
data2 = np.full(shape=(2, 2), fill_value=2.0)
df2 = pd.DataFrame(data2, index=index2, columns=index2)

# 核心运算逻辑
df_result = df1.add(df2, fill_value=0)

运算后得到的df_result输出如下，和预期结果完全一致：

a    b    c
a  1.0  1.0  NaN
b  1.0  3.0  2.0
c  NaN  2.0  2.0

注意：不要直接使用+运算符执行DataFrame加法，+等价于调用add时不传入fill_value（默认fill_value=None），只要任意一方缺失对应位置的数值，就会直接返回NaN，这也是示例中直接相加得到大量多余NaN的原因。

内容的提问来源于stack exchange，提问作者user7431005