如何基于索引对两个pandas Series的值进行求和运算？

这个需求其实很常见，核心就是让两个Series按索引自动对齐，缺失索引的位置用0填充后做加法运算，最简洁高效的方式是用pandas内置的add()方法并指定fill_value参数，当然也可以用基础加法结合fillna()来实现，下面详细说明：

方法一：使用add()方法（推荐） #

pandas的add()方法专门为这类索引对齐运算设计，通过fill_value参数可以直接指定当某个索引只在其中一个Series存在时，用什么值来填充缺失的那一方。代码如下：

import pandas as pd

m = pd.Series([5,2,7,2], index=[0,1,2,3])
n = pd.Series([8,3], index=[0,2])

# 核心代码：用add方法指定填充值为0
z = m.add(n, fill_value=0)
# 如果需要整数类型结果，可以转换
z = z.astype(int)

print(z)
# 输出：
# 0    13
# 1     2
# 2    10
# 3     2
# dtype: int64

方法二：基础加法结合fillna() #

如果你习惯用运算符的写法，也可以先把n中缺失的索引位置填充为0，再和m相加，效果是一样的：

z = m + n.fillna(0)
z = z.astype(int)

为什么这是最佳方法？ #

• 完全利用pandas的向量化运算，比手动循环或者重新索引的方式性能高很多，尤其是处理大数据集时优势明显；
• 代码简洁易读，fill_value参数清晰表达了“缺失值用0填充”的逻辑，维护性好；
• 自动处理索引对齐，不需要手动处理索引的匹配问题，避免出错。

内容的提问来源于stack exchange，提问作者MapleSyrup