Pandas Series相减时如何避免NaN？缺失值按0处理的简便方法

当然有更省心的办法！完全不用手动插入0，Pandas 内置的方法就能直接搞定这个需求。

核心思路是用 Series 的sub()方法，并指定fill_value=0参数——这个参数会自动把两个 Series 中不存在对应索引的位置用0来填充，再执行减法运算。

举个实际的例子看效果：

import pandas as pd

# 创建两个测试Series
s1 = pd.Series([5, 3, 7], index=['a', 'b', 'c'])
s2 = pd.Series([2, 4], index=['a', 'c'])

# 直接减法会得到NaN
print(s1 - s2)
# 输出：
# a    3.0
# b    NaN
# c    3.0
# dtype: float64

# 用sub()加fill_value参数，缺失值自动按0处理
print(s1.sub(s2, fill_value=0))
# 输出：
# a    3.0
# b    3.0
# c    3.0
# dtype: float64

原理很简单：当运算时遇到其中一个Series没有的索引（比如例子里的b），fill_value=0会把缺失的那一方的值替换成0，所以3 - 0 = 3，完美解决NaN的问题。

另外补充一下：Pandas里的其他算术方法（比如加法add()、乘法mul()、除法div()）也都支持fill_value参数，用法完全一致，遇到类似的需求都可以用这个思路解决。

内容的提问来源于stack exchange，提问作者Bill