Pandas：对索引与列存在差异的DataFrame进行求和合并

你的需求非常明确：两个DataFrame相加时，交集的索引和列要求和，仅在其中一个DataFrame存在的索引/列要保留原有值，而不是变成NaN。直接用+运算符确实会因为对齐后缺失值的问题产生NaN，不过用Pandas的add()方法就能完美解决这个问题。

问题分析 #

直接执行df1 + df2时，Pandas会先对齐两个DataFrame的索引和列：

• 只有同时存在于两个DataFrame的索引+列组合，才会执行求和。
• 只在其中一个DataFrame存在的位置，会被填充为NaN（因为另一个DataFrame对应位置没有值），这就是你看到的data_3全是NaN、2016年索引的data_1是NaN的原因。

解决方案：使用add()方法并指定fill_value=0 #

add()是Pandas专门用于数据对齐后相加的方法，其中的fill_value参数可以指定当一方缺失值时用什么值填充，这样就能避免非交集位置变成NaN。

完整示例代码 #

import pandas as pd
import numpy as np

# 构建第一个DataFrame
pi = pd.PeriodIndex(start=2017, periods=10, freq='M')
a = pd.Series(np.full(shape=10, fill_value=2), pi)
b = pd.Series(np.full(shape=10, fill_value=3), pi)
df1 = pd.DataFrame({'data_1': a, 'data_2': b})

# 构建第二个DataFrame（更长索引+额外列）
pi2 = pd.PeriodIndex(start=2016, periods=30, freq='M')
a = pd.Series(np.full(shape=30, fill_value=2), pi2)
b = pd.Series(np.full(shape=30, fill_value=3), pi2)
c = pd.Series(np.full(shape=30, fill_value=3), pi2)
df2 = pd.DataFrame({'data_1': a, 'data_2': b, 'data_3': c})

# 核心解决方案：用add方法并设置fill_value=0
new_df = df1.add(df2, fill_value=0)

# 验证结果
print(new_df.iloc[0, 0])  # 输出 2.0（保留df2的原有值）
print(new_df['data_3'].unique())  # 输出 [3.0]（全保留df2的data_3值）
print(new_df.loc['2017-01', 'data_1'])  # 输出 4.0（df1和df2的2+2求和）

原理说明 #

• 对于同时存在于两个DataFrame的索引+列：正常执行求和操作（比如2017-01的data_1：2+2=4）。
• 对于仅在df2存在的索引/列：df1对应位置为NaN，用fill_value=0填充后，0 + df2的值 = df2原有值，完美保留。
• 对于仅在df1存在的索引/列（如果有的话）：df2对应位置用0填充，df1的值 + 0 = df1原有值，同样会保留。

可选：转换回整数类型 #

因为fill_value=0是浮点数，相加后的结果会变成float类型。如果需要整数，可以用astype(int)转换：

new_df = df1.add(df2, fill_value=0).astype(int)

内容的提问来源于stack exchange，提问作者Oliver