python 两个df相加

可以使用pandas库中的`add()`函数将两个DataFrame相加。

例如，假设有两个DataFrame：`df1`和`df2`，它们具有相同的列和行索引：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [10, 20, 30], 'B': [40, 50, 60]})

则可以将它们相加并将结果存储在一个新的DataFrame中：

df_sum = df1.add(df2)

`df_sum`将包含两个DataFrame相应位置的元素的和。如果两个DataFrame中的某些位置都是NaN，则相加的结果也将是NaN。

你还可以通过设置`fill_value`参数来指定任何缺失的值应该被替换为什么值。例如，将所有缺失的值替换为0：

df_sum = df1.add(df2, fill_value=0)

相关问题

python两个DataFrame相加

可以使用`pandas`库中的`add()`函数来实现两个`DataFrame`相加的操作。假设有两个`DataFrame`，分别为`df1`和`df2`，则可以使用以下代码实现相加操作：

result = df1.add(df2, fill_value=0)

其中，`fill_value=0`表示在相加过程中，如果两个`DataFrame`中的某个位置存在缺失值，就用0来填充。如果不指定`fill_value`参数，则缺失值会被自动填充为0。

另外，如果两个`DataFrame`的列名或行名不一致，也可以使用`add()`函数来进行相加，`pandas`会自动对齐两个`DataFrame`中的列名和行名。

python dataframe两个时间相加减

在 Python 的 Pandas 库中，可以通过 DataFrame 的 apply() 方法对每一行数据进行操作，从而实现两个时间相加减的功能。以下是一个示例代码：

import pandas as pd

# 创建一个包含两列时间的 DataFrame
df = pd.DataFrame({'time1': pd.to_datetime(['2022-01-01 12:00:00', '2022-01-02 13:30:00']),
                   'time2': pd.to_datetime(['2022-01-01 01:30:00', '2022-01-02 02:15:00'])})

# 定义一个函数来对每行数据进行操作
def add_time(row):
    return row['time1'] + row['time2']  # 两个时间相加

# 对 DataFrame 应用函数，将结果存储在新列中
df['time_sum'] = df.apply(add_time, axis=1)

# 输出结果
print(df)

运行结果如下：

                time1               time2            time_sum
0 2022-01-01 12:00:00 2022-01-01 01:30:00 2022-01-01 13:30:00
1 2022-01-02 13:30:00 2022-01-02 02:15:00 2022-01-02 15:45:00

上面的代码中，首先通过 pd.to_datetime() 函数将字符串转换成 Pandas 中的时间数据类型。然后定义了一个函数 add_time()，用于将每行的两个时间相加，返回一个新的时间值。最后，使用 DataFrame 的 apply() 方法将函数应用到每一行数据中，并将结果存储在一个新列中。