如何使用Pandas DataFrame实现多个矩阵（DataFrame）求和？

嘿，我来帮你理清这个问题！

一、无需循环的多DataFrame矩阵求和方法 #

你不需要手动写循环来逐个相加，有几种简洁的方式可以实现多个矩阵DataFrame对应位置元素的求和：

方法1：用functools.reduce结合add #

把所有要相加的DataFrame放到一个列表里，然后用reduce把add方法批量应用到整个列表上，fill_value=0还能处理可能存在的索引/列不匹配的情况（不过你的矩阵应该是结构一致的）：

from functools import reduce
import pandas as pd

# 假设你的原始DataFrame列表是dfs = [df1, df2, df3, ...]
total_df = reduce(lambda x, y: x.add(y, fill_value=0), dfs)

方法2：借助NumPy数组求和 #

如果所有DataFrame的索引和列完全一致，可以先把它们转成NumPy数组，求和后再转回DataFrame，这种方式效率也很高：

import numpy as np
import pandas as pd

dfs = [df1, df2, df3, ...]
sum_array = np.sum([df.values for df in dfs], axis=0)
total_df = pd.DataFrame(sum_array, index=dfs[0].index, columns=dfs[0].columns)

二、为什么my_df.sum()会得到混乱结果？ #

你之前用pd.concat([df1, df2, df3, ...])得到的my_df，本质是把多个矩阵按行堆叠（默认axis=0），相当于把每个矩阵的所有行都接在一起，变成一个行数是所有原始DataFrame行数总和的大表。

这时候调用my_df.sum()，默认是按列对所有行的元素求和，得到的是每一列所有行的累加值，而不是你想要的「多个矩阵对应位置元素相加」的结果，所以看起来混乱。

比如，假设每个原始df是2行2列的矩阵，concat后my_df是6行2列，sum()会得到2个值（每列的总和），而不是一个2行2列的求和矩阵。

内容的提问来源于stack exchange，提问作者catris25