将两个包含NaN值的Series相加

Question

我正在学习《Python数据分析》这本书，但我不理解其中一个功能。将两个pandas系列对象相加会自动对齐索引数据，但如果一个对象不包含该索引，则返回NaN。例如书中的例子：

a = Series([35000,71000,16000,5000],index=['Ohio','Texas','Oregon','Utah'])
b = Series([NaN,71000,16000,35000],index=['California', 'Texas', 'Oregon', 'Ohio'])

结果：

    In [63]: a
    Out[63]: Ohio          35000
             Texas         71000
             Oregon        16000
             Utah           5000
    In [64]: b
    Out[64]: California      NaN
             Texas         71000
             Oregon        16000
             Ohio          35000

当我把它们加在一起时，得到的结果是这个...

    In [65]: a+b
    Out[65]: California       NaN
             Ohio           70000
             Oregon         32000
             Texas         142000
             Utah             NaN

那么为什么犹他州的值是 NaN 而不是 500 呢？似乎 500+NaN=500。这是怎么回事？我可能漏掉了什么，请解释一下。

更新：

    In [92]: # fill NaN with zero
             b = b.fillna(0)
             b
    Out[92]: California        0
             Texas         71000
             Oregon        16000
             Ohio          35000

    In [93]: a
    Out[93]: Ohio      35000
             Texas     71000
             Oregon    16000
             Utah       5000

    In [94]: # a is still good
             a+b
    Out[94]: California       NaN
             Ohio           70000
             Oregon         32000
             Texas         142000 
             Utah             NaN

- BubbleGuppies

---

已解决：'+' 运算符执行两者的并集。我需要使用 .add() 方法。 - BubbleGuppies

Answer 1

Pandas不会假设500+NaN=500，但很容易让它这样做：

a.add(b, fill_value=0)

- Dan Allan

---

既然您提到了这本书，您可以参考第128页的“算术和数据对齐”部分，该部分讨论了这个问题。 - bdiamante

啊啊啊... '+' 返回两者的<b>并集</b>!! 我需要add()方法。太棒了，谢谢@dbiamante @DanAllen！ - BubbleGuppies

Answer 2

默认情况下，假设包含NaN的任何计算结果都是NaN。任何加上NaN的东西都是NaN，任何除以NaN的东西也是NaN等等。如果你想用某个值填充NaN，你必须明确地这样做（就像Dan Allan在他的答案中所示）。

- BrenBarn

Answer 3

使用 pd.concat() 更有意义，因为它可以接受更多的列。

import pandas as pd
import numpy as np

a = pd.Series([35000,71000,16000,5000],index=['Ohio','Texas','Oregon','Utah'])
b = pd.Series([np.nan,71000,16000,35000],index=['California', 'Texas', 'Oregon', 'Ohio'])

pd.concat((a,b), axis=1).sum(1, min_count=1)

输出：

California         NaN
Ohio           70000.0
Oregon         32000.0
Texas         142000.0
Utah            5000.0
dtype: float64

---

或者使用3系列：

import pandas as pd
import numpy as np

a = pd.Series([1, np.NaN, 4, 5])
b = pd.Series([3, np.NaN, 5, np.NaN])
c = pd.Series([np.NaN,np.NaN,np.NaN,np.NaN])

print(pd.concat((a,b,c), axis=1).sum(1, min_count=1))

#0    4.0
#1    NaN
#2    9.0
#3    5.0
#dtype: float64

- Anton vBR