Series相加会自动按索引对齐，缺失位置默认产生NaN；使用add方法并设置fill_value可填充缺失值避免NaN；多个Series相加推荐链式调用add并指定fill_value以保证数据完整。

在使用 Python 的 pandas 库时，Series 是一种一维数组结构，支持带标签的索引。对两个或多个 Series 进行相加，可以直接使用 + 操作符，pandas 会根据索引自动对齐数据。

1. 基本的 Series 相加（索引对齐）

当两个 Series 相加时，pandas 会按索引进行匹配。如果某个索引只在一个 Series 中存在，结果中该位置的值为 NaN。

import pandas as pd

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

result = s1 + s2
print(result)

输出：

a    5.0
b    7.0
c    NaN
d    NaN
dtype: float64

2. 使用 add 方法避免 NaN（填充缺失值）

可以使用 .add() 方法，并通过 fill_value 参数指定如何处理缺失值，避免结果中出现 NaN。

testing-python

使用pytest编写和评估有效的Python测试。适用于编写测试、审查测试代码、调试测试失败或提高测试覆盖率。

下载

result = s1.add(s2, fill_value=0)
print(result)

输出：

a    5.0
b    7.0
c    3.0
d    6.0
dtype: float64

3. 多个 Series 相加

可以链式调用 add 方法，或使用 + 连续相加，推荐使用 add 并设置 fill_value 保证数据完整性。

立即学习“Python免费学习笔记（深入）”；

s3 = pd.Series([7, 8], index=['b', 'c'])

result = s1.add(s2, fill_value=0).add(s3, fill_value=0)
print(result)

输出：

a    5.0
b   15.0
c   11.0
d    6.0
dtype: float64

基本上就这些。只要注意索引对齐和缺失值处理，Series 相加很直观。用 + 简单直接，用 add(fill_value=...) 更安全。