pandas：有效地将两个（时间）序列的值相加答案

【问题标题】：pandas: efficiently adding the values of two (time) seriespandas：有效地将两个（时间）序列的值相加
【发布时间】：2021-11-24 00:32:21
【问题描述】：

我有两个（比玩具示例大）系列，例如：

s1 = pd.read_json('{"count":{"1614470400000":4,"1617148800000":0,"1619740800000":0,"1622419200000":4,"1625011200000":4,"1627689600000":5,"1630368000000":0,"1632960000000":8,"1635638400000":2}}')['count']
s2 = pd.read_json('{"count":{"1625011200000":1}}')['count']

添加它们的有效方法是什么？我可以想象创建一个连接，然后添加忽略 nans，但我认为这应该比一些合并排序它们的操作慢？

这是玩具示例的预期结果：

【问题讨论】：

标签： python pandas time-series

【解决方案1】：

使用参数fill_value=0

尝试Series.add(...)

out = s1.add(s2,fill_value=0)
            count
2019-06-30    1.0
2021-02-28    4.0
2021-03-31    0.0
2021-04-30    0.0
2021-05-31    4.0
2021-06-30    4.0
2021-07-31    5.0
2021-08-31    0.0
2021-09-30    8.0
2021-10-31    2.0

【讨论】：

这比我的示例更清晰，并且如果日期在系列中相似，则会正确汇总值，正如我在帖子中指出的那样。这应该是被接受的答案。
Thnx，还没有看到系列给你添加开箱即用，我试过 s1+s2 但这给了 nans。我仍然想知道是否有人可以计时它与优化的合并排序，但由于它是库的一部分，它现在对我来说非常好！

【解决方案2】：

以下有效，但我真的不知道您如何将 2019 年 6 月 30 日和 2021 年 6 月 30 日加在一起得到 5。我必须将 2019 年更改为 2021 年才能使其有效。

s3 = pd.concat([s1,s2])
s3.groupby(level=0).sum()

【讨论】：

糟糕！这就是使用 python 和电子表格产生结果的区别；）