python Series如何进行相加

在pandas库中，Series是一维带标签的数组结构，实际数据处理时经常需要对两个或多个Series进行相加操作，其运算逻辑和普通的数值加法存在差异，核心是按照索引对齐后计算。

基础Series相加逻辑

当两个Series的索引完全相同时，相加操作会直接对应位置的元素求和，返回一个新的Series，索引保持不变。

import pandas as pd

# 创建两个索引相同的Series
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['a', 'b', 'c'])

# 直接相加
result = s1 + s2
print(result)
# 输出：
# a    5
# b    7
# c    9
# dtype: int64

索引不匹配的相加逻辑

如果两个Series的索引不完全一致，相加时会先按照索引对齐，匹配到的索引对应元素相加，没有匹配到的索引位置结果会填充为NaN。

import pandas as pd

s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['b', 'c', 'd'])

result = s1 + s2
print(result)
# 输出：
# a    NaN
# b    7.0
# c    8.0
# d    NaN
# dtype: float64

处理缺失值的相加方式

如果不想让未匹配的索引位置出现NaN，可以使用add()方法并指定fill_value参数，给缺失的索引位置填充默认值后再计算。

import pandas as pd

s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['b', 'c', 'd'])

# 缺失值填充为0后再相加
result = s1.add(s2, fill_value=0)
print(result)
# 输出：
# a    1.0
# b    7.0
# c    8.0
# d    6.0
# dtype: float64

多个Series相加

多个Series相加的逻辑和单个相加一致，可以连续使用加法运算符，也可以结合add()方法处理缺失值。

import pandas as pd

s1 = pd.Series([1, 2], index=['a', 'b'])
s2 = pd.Series([3, 4], index=['b', 'c'])
s3 = pd.Series([5, 6], index=['c', 'd'])

# 多个Series相加，填充缺失值为0
result = s1.add(s2, fill_value=0).add(s3, fill_value=0)
print(result)
# 输出：
# a    1.0
# b    5.0
# c    9.0
# d    6.0
# dtype: float64

注意事项

• Series相加时索引的数据类型需要一致，否则会导致对齐失败，所有位置都返回NaN
• 如果Series中存储的是字符串类型，相加操作会执行字符串拼接，而非数值求和
• 使用add()方法时，fill_value只会对当前两个Series运算时的缺失值生效，不会影响原Series的数据

pythonSeriespandas数据相加修改时间：2026-07-15 07:30:09