如何对索引不同的两个Pandas DataFrame指定列进行元素相加？

没问题，这在Pandas里其实很好处理，核心就是利用它的自动索引对齐特性来搞定不同索引的元素相加，我用你给的示例一步步来演示：

1. 基础示例：Series相加 #

首先先还原你的示例代码：

import pandas as pd

Sr1 = pd.Series([1,2,3,4], index = [0, 1, 2, 3])
Sr2 = pd.Series([3,4,-3,6], index = [1, 2, 3, 4])

方法1：直接相加（保留索引对齐，缺失值为NaN） #

直接用+运算符的话，Pandas会自动按索引匹配元素相加，没有匹配到的索引会返回NaN：

result = Sr1 + Sr2
print(result)

输出结果：

0    NaN
1    5.0
2    6.0
3    1.0
4    NaN
dtype: float64

方法2：填充缺失值后相加（避免NaN） #

如果希望那些只在单个Series里存在的索引，用0来填充后再相加，可以用Series.add()方法，指定fill_value=0：

result_with_fill = Sr1.add(Sr2, fill_value=0)
print(result_with_fill)

输出结果：

0    1.0
1    5.0
2    6.0
3    1.0
4    6.0
dtype: float64

2. 扩展到DataFrame指定列相加 #

如果是两个包含多列的DataFrame，要对指定列（比如名为target_col的列）执行相同操作，逻辑完全一致：
假设我们有两个DataFrame：

df1 = pd.DataFrame({'target_col': [1,2,3,4], 'other_col': ['a','b','c','d']}, index=[0,1,2,3])
df2 = pd.DataFrame({'target_col': [3,4,-3,6], 'other_col': ['x','y','z','w']}, index=[1,2,3,4])

要将两个DataFrame的target_col相加，得到新列，可以这样写：

# 填充缺失值后相加，结果作为新列加入df1（也可以选择加入df2或者新建DataFrame）
df1['sum_col'] = df1['target_col'].add(df2['target_col'], fill_value=0)

执行后df1的sum_col列就会包含对应索引相加后的结果，索引0的值为1；如果你想保留所有索引，可以把结果存到新的DataFrame中：

sum_result = pd.DataFrame({'sum_col': df1['target_col'].add(df2['target_col'], fill_value=0)})

关键逻辑说明 #

Pandas的索引对齐机制会自动帮你匹配相同索引的元素进行运算，不需要手动循环去对应索引。如果不需要保留单个索引的元素，直接用+即可；如果希望不丢失任何索引的数据，就用add()配合fill_value参数来填充缺失项。

内容的提问来源于stack exchange，提问作者Dsto4