Pandas中如何正确实现DataFrame逐行与等长Series求和

pandas 做DataFrame和Series的算术运算时，默认按照行索引做对齐广播。直接调用df.add(series)时，pandas会拿Series的索引和DataFrame的行索引做匹配，匹配失败的位置就会填充NaN，最终生成两个索引并集的列，也就是你看到的列数翻倍、全为NaN的结果。

要实现「每一列都加上Series对应位置的值」的逐行相加效果，只需要明确告诉pandas按列索引对齐做广播即可，有两种常用写法：

• 写法1：指定add方法的axis参数，按列对齐
  如果你的Series索引和DataFrame的列名完全对应，这是最稳妥的写法，不会因为元素顺序错位导致计算错误：

  # axis='columns' 和 axis=1 效果完全一致
  result = df.add(series, axis=1)
  

• 写法2：直接取Series的底层数值数组，跳过索引对齐
  如果你的Series索引和DataFrame列名不匹配、但元素顺序和DataFrame列顺序完全对应，可以直接取Series的numpy数组做运算，绕开索引对齐逻辑：

  result = df + series.values
  

用你给出的测试数据跑通验证：

import pandas as pd

# 构造测试数据
df = pd.DataFrame(
    data=[[1,2,3], [4,5,6], [7,8,9], [0,0,0]],
    index=['d', 'e', 'f', 'g'],
    columns=['a', 'b', 'c']
)
series = pd.Series([1,2,3])

# 执行计算
result = df.add(series.values, axis=1)
print(result)

运行输出完全符合预期：

a   b   c
d  2   4   6
e  5   7   9
f  8  10  12
g  1   2   3

内容的提问来源于stack exchange，提问作者djokovic