如何按索引对多个pandas DataFrame的数值进行求和

你出现空输出的核心原因是初始化了空的pd.DataFrame()来做累加：
pandas在做算术运算时会自动按索引+列名做外对齐，空DataFrame没有可匹配的索引和列，和returns_pair.cumulative_returns这个Series相加时，所有值都会因为无法匹配变成NaN，最终输出空结构，仅保留对齐后的列名（也就是你的日期值）。
另外你的现有代码还有一个逻辑隐患：循环内每次固定取signals['column1']计算累加值，10次循环加的都是完全相同的序列，如果你是要对10个不同的收益率列求和，需要调整取列的逻辑。

有两种常用的实现方案：

• 方案1：初始化和待加序列索引完全对齐的全0 Series作为累加容器，避免匹配失败
• 方案2：将所有待求和的序列拼接为同一个DataFrame后按行求和，代码更简洁，性能更高

方案1（适配你原有循环写法） #

# 初始化与待加序列索引一致、初始值为0的Series
total_daily_returns = pd.Series(0, index=signals.index)

for pair in range(0, 10):
    # 若不同pair对应不同列，可修改为signals[f'column{pair+1}']
    cum_daily_return = signals['column1']
    cumulative_returns = cum_daily_return.cumsum()
    total_daily_returns += cumulative_returns

# 转为DataFrame格式（可选）
total_daily_returns = total_daily_returns.to_frame(name='total_cumulative_returns')
print(total_daily_returns)

方案2（无循环写法，更推荐） #

# 先生成所有待求和的累计收益序列列表
return_list = []
for pair in range(0, 10):
    # 同样根据实际需求调整取列逻辑
    cum_daily_return = signals['column1']
    return_list.append(cum_daily_return.cumsum())

# 拼接后按行求和，自动按索引对齐
total_daily_returns = pd.concat(return_list, axis=1).sum(axis=1).to_frame(name='total_cumulative_returns')
print(total_daily_returns)

内容的提问来源于stack exchange，提问作者mr.graziani