如何将Pandas DataFrame各列与对应索引的Series值相加？

没问题，这事儿在Pandas里其实很简单，而且默认的行为就刚好符合你的需求，我给你一步步讲清楚：

1. 先构造你的示例数据 #

首先我们先把题目里的DataFrame和Series创建出来：

import pandas as pd

# 构造题目中的DataFrame
df = pd.DataFrame({
    'A': [1, 2],
    'B': [3, 5],
    'C': [4, 6]
})

# 提取Series s = df['A']
s = df['A']

2. 直接执行相加操作 #

你想要的把DataFrame所有列和对应索引的df['A']值相加，直接用加法运算符就行：

result = df + s

执行后得到的结果如下：

3. 为什么这样可行？ #

Pandas的核心特性之一就是自动索引对齐：当你把一个DataFrame和一个Series进行算术运算时，Pandas会先匹配两者的索引，然后将Series沿着列的方向广播（也就是把每个索引对应的Series值，加到DataFrame同一索引的每一列上），完全符合你要的"按索引匹配相加"的要求。

4. 更灵活的处理方式（可选） #

如果你的数据可能存在索引不匹配的情况（比如Series有缺失的索引，或者额外的索引），可以用df.add()方法来显式控制行为，还能设置缺失值填充：

# 显式指定按行索引对齐相加（axis=0对应行索引）
result = df.add(s, axis=0)

# 如果有索引缺失，可以填充默认值（比如0）后再相加
result = df.add(s, axis=0, fill_value=0)

这样不管索引有没有缺失，都能保证运算按你期望的方式进行。

内容的提问来源于stack exchange，提问作者Ajith