对NaN治疗的认识

Question

在Pandas文档https://pandas.pydata.org/pandas-docs/stable/user_guide/missing_data.html#sum-prod-of-empties-nans中，它是这样写的：

--数据结构概述中讨论的描述性统计和计算方法(以及这里和这里列出的)--都是为了说明丢失的数据而编写的。例如：

当求和数据时，NA (缺失)值将被视为零。

如果数据都是NA，则结果为0。

如果是这样的话，为什么，例如，我会得到以下结果？

import pandas as pd
import numpy as np
>>> s1 = pd.Series([3,np.nan])
>>> s2 = pd.Series([np.nan,2])
>>> s1 + s2
0 NaN
1 NaN

根据这些文件，我会想到(并希望)它会产生：

0 3
1 2

我意识到我可以使用s1、Pandas (0)和s2来实现后一个结果，但是我在Pandas文档中缺少什么关于对待NaNs的方法呢？

Answer 1

让我们做add

s1.add(s2,fill_value=0)
0    3.0
1    2.0
dtype: float64