Pandas 两个包含NaN的Series相加

在本文中，我们将介绍如何使用Pandas对两个包含NaN的Series进行相加。

在Pandas中，当我们对两个Series进行相加运算时，如果两个Series的索引不完全相同，则会创建一个新的Series，其索引包含两个Series的并集，并将缺失值填充为NaN（空值）。

那么，当两个Series中都存在NaN值时，如何进行相加运算呢？我们来看一个简单的示例。

import pandas as pd
import numpy as np

s1 = pd.Series([1, np.nan, 3])
s2 = pd.Series([np.nan, 2, 4])

s = s1 + s2
print(s)

运行上面的代码，我们得到的输出结果为：

0    NaN
1    NaN
2    7.0
dtype: float64

可以看到，由于s1和s2都包含了NaN值，因此运算结果中也包含了NaN值。

现在，我们尝试使用Pandas中提供的一些函数来解决这个问题。

阅读更多：Pandas 教程

dropna函数

第一个方法是使用
“`dropna()“`函数。该函数可以在Series中删除所有的NaN值。

import pandas as pd
import numpy as np

s1 = pd.Series([1, np.nan, 3])
s2 = pd.Series([np.nan, 2, 4])

s1 = s1.dropna()
s2 = s2.dropna()

s = s1 + s2
print(s)

运行上面的代码，我们得到的输出结果为：

1    5.0
dtype: float64

可以看到，通过这种方式删除了两个Series中的NaN值，从而得到了正确的运算结果。

fillna函数

第二个方法是使用fillanan()函数。该函数可以将Series中的NaN值替换为指定的值。

import pandas as pd
import numpy as np

s1 = pd.Series([1, np.nan, 3])
s2 = pd.Series([np.nan, 2, 4])

s1 = s1.fillna(0)
s2 = s2.fillna(0)

s = s1 + s2
print(s)

运行上面的代码，我们得到的输出结果为：

0    1.0
1    2.0
2    7.0
dtype: float64

可以看到，通过这种方式，将两个Series中的NaN值替换为0，并得到了正确的运算结果。

总结

Pandas是一个非常强大的数据处理库，可以很方便地对数据进行分析和处理。在处理包含NaN值的Series时，我们可以借助dropna()函数和fillna()函数来解决问题。同时，我们应该根据具体的业务需求选择合适的处理方法，以确保得到正确的运算结果。