如何对任意数量DataFrame的指定列执行无循环求和并赋值

方法1：pd.concat+分组求和（推荐，效率更高） #

仅依赖pandas原生接口实现，适合处理大量DataFrame的场景，内存开销更低：

import pandas as pd

sum_cols = ['a', 'b', 'c']
final_df[sum_cols] = pd.concat([df[sum_cols] for df in dfs], axis=0).groupby(level=0).sum()

逻辑说明：把所有DataFrame的目标列上下堆叠后，按照相同索引分组求和，得到每个索引位置对应列的累加结果。

方法2：reduce累加（逻辑更直观） #

和原有加法逻辑完全对齐，适合DataFrame数量较少的场景：

from functools import reduce
import operator

sum_cols = ['a', 'b', 'c']
final_df[sum_cols] = reduce(operator.add, (df[sum_cols] for df in dfs))

逻辑说明：通过reduce迭代调用加法操作，把列表中所有DataFrame的目标列依次累加，得到最终结果。

注意事项 #

• 两种方案都要求列表内所有DataFrame的索引完全一致，且都包含sum_cols指定的列
• 均无显式for循环，迭代逻辑由Python/pandas内置接口封装，执行效率高于手写for循环

内容的提问来源于stack exchange，提问作者abisko