Pandas合并DataFrame并保留单列：索引不一致时的值相加问题

嘿，我来帮你搞定这个问题！首先咱们先把需求拆解清楚：你需要把两个DataFrame按索引对齐，共同索引的行对应值相加；df2里存在但df1没有的行要添加到结果中；df1独有的行则保持原有数值不变。下面我用具体的示例代码和两种常用方案来解决这个问题。

第一步：构造示例数据 #

先创建符合你描述的两个DataFrame，方便后续演示：

import pandas as pd

# df1：包含共同索引12345/MX，独有索引12345/US
df1 = pd.DataFrame(
    {'count': [15, 25]},
    index=['12345/MX', '12345/US']
)

# df2：包含共同索引12345/MX，独有索引54321/US
df2 = pd.DataFrame(
    {'count': [30, 40]},
    index=['12345/MX', '54321/US']
)

方案一：使用add()方法（简洁高效） #

pandas的add()方法支持按索引对齐相加，通过设置fill_value=0可以自动处理缺失索引的情况：

# 执行相加操作
result = df1.add(df2, fill_value=0)

print(result)

输出结果：

count
12345/MX    45.0
12345/US    25.0
54321/US    40.0

原理说明： #

• 共同索引12345/MX：15 + 30 = 45，符合相加规则
• df1独有索引12345/US：25 + 0（df2中无此索引，用0填充）= 25，保持原值
• df2独有索引54321/US：0（df1中无此索引，用0填充）+ 40 = 40，成功添加该行

方案二：使用concat() + groupby()（灵活通用） #

如果你的DataFrame有多个列需要处理，或者需要更灵活的分组逻辑，这种方法更适用：

# 合并两个DataFrame
combined = pd.concat([df1, df2])
# 按索引分组并求和
result = combined.groupby(combined.index).sum()

print(result)

输出结果和方案一完全一致：

count
12345/MX      45
12345/US      25
54321/US      40

原理说明： #

• concat()会把两个DataFrame的所有行合并到一起，包括各自的独有索引
• groupby(index).sum()会将相同索引的行值求和，独有的索引自然保留自身的数值

这两种方案都能完美满足你的需求，你可以根据自己的场景选择更合适的一种。如果是单列表格，方案一更简洁；多列或复杂场景下，方案二更灵活。

内容的提问来源于stack exchange，提问作者stevendesu