我有两个dataframes，都由timeseries 索引。我需要将元素添加在一起以形成一个新的dataframe，但前提是索引和列相同。如果该项目在 dataframes 之一中不存在，则应将其视为零。
我尝试过使用.add，但无论索引和列如何，总和。还尝试了一个简单的combined_data = dataframe1 + dataframe2，但如果两个数据框都没有该元素，则会给出NaN。
有什么建议吗？
【问题讨论】：
df1+df2 不起作用，因为如果两者都没有该元素，它会给出 NaN。在这种情况下你想发生什么？你想要结果中的零？
x.add(y, fill_value=0)怎么样？
import pandas as pd
df1 = pd.DataFrame([(1,2),(3,4),(5,6)], columns=['a','b'])
Out:
a b
0 1 2
1 3 4
2 5 6
df2 = pd.DataFrame([(100,200),(300,400),(500,600)], columns=['a','b'])
Out:
a b
0 100 200
1 300 400
2 500 600
df_add = df1.add(df2, fill_value=0)
Out:
a b
0 101 202
1 303 404
2 505 606
【讨论】：
如果我理解正确的话，你想要这样的东西：
(x.reindex_like(y).fillna(0) + y.fillna(0).fillna(0))
这将给出两个数据帧的总和。如果一个值在一个数据帧中而不是另一个数据帧中，则该位置的结果将是该现有值（查看 X 中的 B0 和 Y 中的 B0 并查看最终输出）。如果两个数据帧中都缺少某个值，则该位置的结果将为零（查看 X 中的 B1 和 Y 中的 B1 并查看最终输出）。
>>> x
A B C
0 1 2 NaN
1 3 NaN 4
>>> y
A B C
0 8 NaN 88
1 2 NaN 5
2 10 11 12
>>> (x.reindex_like(y).fillna(0) + y.fillna(0).fillna(0))
A B C
0 9 2 88
1 5 0 9
2 10 11 12
【讨论】：
为了使答案更笼统...首先我将采用公共索引来同步两个数据帧，然后将它们中的每一个加入我的模式（dates），并将列相加同名，最后加入两个数据框（删除其中一个添加的列），
你可以在这里看到一个例子（谷歌的股票价格取自谷歌）：
import numpy as np
import pandas as pd
import datetime as dt
prices = pd.DataFrame([[553.0, 555.5, 549.3, 554.11, 0],
[556.8, 556.8, 544.05, 545.92, 545.92],
[545.5, 546.89, 540.97, 542.04, 542.04]],
index=[dt.datetime(2014,11,04), dt.datetime(2014,11,05), dt.datetime(2014,11,06)],
columns=['Open', 'High', 'Low', 'Close', 'Adj Close'])
corrections = pd.DataFrame([[0, 555.22], [1238900, 0]],
index=[dt.datetime(2014,11,3), dt.datetime(2014,11,4)],
columns=['Volume', 'Adj Close'])
dates = pd.DataFrame(prices.index, columns = ['Dates']).append(pd.DataFrame(corrections.index, columns = ['Dates'])).drop_duplicates('Dates').set_index('Dates').sort(axis=0)
df_corrections = dates.join(corrections).fillna(0)
df_prices = dates.join(prices).fillna(0)
for col in prices.columns:
if col in corrections.columns:
df_prices[col]+=df_corrections[col]
del df_corrections[col]
df_prices = df_prices.join(df_corrections)
【讨论】：
以上两个答案 - fillna(0) 和直接加法都会给你 Nan 值，如果它们中的任何一个具有不同的结构。
最好使用fill_value
df.add(other_df, fill_value=0)
【讨论】：