如何对索引基本一致的两个DataFrame进行内容相加？附示例

嘿，这个场景我太熟了！当你需要让两个索引、列部分重叠的DataFrame按对应位置相加，并且把其中一方缺失的行/列默认当作0来处理时，pandas的add()方法搭配fill_value=0参数就是最优解。

先还原你给出的示例数据：

import pandas as pd

# 构建df1
df1 = pd.DataFrame(
    [[0, 3, 1], [3, 0, 2], [1, 2, 0]],
    index=['A', 'B', 'C'],
    columns=['A', 'B', 'C']
)

# 构建df2
df2 = pd.DataFrame(
    [[0, 1, 1, 0], [1, 0, 3, 2], [1, 3, 0, 0], [0, 2, 0, 0]],
    index=['A', 'B', 'C', 'D'],
    columns=['A', 'B', 'C', 'D']
)

为什么不直接用+运算符？ #

如果你直接写df1 + df2，结果里会出现大量NaN——因为df1没有D行和D列，这些位置在相加时会被视为缺失值，完全不符合你想要把缺失位置当作0相加的需求。

最优实现方式 #

用add()方法并指定fill_value=0，它会自动对齐两个DataFrame的索引和列，把一方缺失的位置用0填充后再相加：

# 执行相加，缺失值用0填充
result = df1.add(df2, fill_value=0)
# 如果需要整数类型，转换一下
result = result.astype(int)
print(result)

输出结果完全符合你的预期：

A  B  C  D
A  0  4  2  0
B  4  0  5  2
C  2  5  0  0
D  0  2  0  0

额外说明 #

这个方法的核心优势：

• 无需手动补全两个DataFrame的缺失行/列，pandas会自动完成索引和列的对齐
• 可以灵活指定填充值（不止0，其他数值也适用）
• 性能高效，比手动循环或者合并后处理的速度快得多

内容的提问来源于stack exchange，提问作者mikael