Pandas：若索引存在则将某列值累加到另一DataFrame对应列

首先，我们可以直接针对foo列做索引对齐后的累加操作，完美满足你的需求——既保留A的所有行，只累加B中与A索引匹配的foo值，不会引入B的新行。

代码实现 #

import pandas as pd

# 构造你的DataFrame A和B
data_A = {'foo': [1,2,3,3], 'bar': [1,2,3,3], 'foo2': [1,2,3,3]}
A = pd.DataFrame(data_A, index=[0,1,2,3])

data_B = {'foo': [1,3,4,5]}
B = pd.DataFrame(data_B, index=[0,2,1,5])

# 核心操作：对齐索引后累加
A['foo'] += B['foo'].reindex(A.index, fill_value=0)

print(A)

输出结果 #

foo  bar  foo2
0    2    1     1
1    6    2     2
2    6    3     3
3    3    3     3

为什么之前的方法没达到预期？ #

• 直接用A.add(B, fill_value=0)会默认取两个DataFrame索引的并集，也就是会把B的索引5也加进来，不符合你"不添加B中无对应索引的行"的要求。
• concat方法更适合合并行/列，但需要额外的过滤和分组累加操作，步骤繁琐且容易出错。

核心逻辑解释 #

1. B['foo'].reindex(A.index, fill_value=0)：将B的foo列重新对齐到A的索引，对于A有但B没有的索引（比如索引3），填充0；对于B有但A没有的索引（比如索引5），直接丢弃。这样得到的Series和A的索引完全匹配，长度一致。
2. 用+=直接把这个对齐后的Series加到A的foo列上，其他列（bar、foo2）不受影响，同时完美保留A的所有原有行。

你也可以用add方法的另一种写法实现同样效果：

A['foo'] = A['foo'].add(B['foo'], fill_value=0).loc[A.index]

这里add后用.loc[A.index]强制保留A的原有索引，过滤掉B带来的新索引，结果和上面完全一致。

内容的提问来源于stack exchange，提问作者hugydafa