Pandas执行算术运算时，会先按照索引进行对齐，对齐以后再进行相应的运算，没有对齐的位置会用NaN进行补齐。其中，Series是按行索引对齐的，DataFrame是按行索引、列索引对齐的。

　　假设有两个Series对象，创建它们的示例代码如下。

In [45]: obj_one=pd.Series(range(10, 13), index=range(3))
         obj_one
Out[45]:
0    10
1    11
2    12
dtype:  int64
In [46] : obj_two=pd.Series(range(20, 25), index=range(5))
          obj_two
Out[46]:
0    20
1    21
2    22
3    23
4    24
dtype:  int32

　　上述示例中创建了两个Series对象：obj_one和obj_two，从输出结果可以看出，obj_one比obj_two少两行数据。

　　如果要对obj_one与obj_two进行加法运算，则会将它们按照索引先进行对齐，对齐的位置进行加法运算，没有对齐的位置使用NAN值进行填充，具体代码如下。

In [47]: obj_one + obj_two   # 执行相加运算
Out[47]:
0    30.0
1    32.0
2    34.0
3     NaN
4     NaN
dtype: float64

　　如果希望不使用NAN填充缺失数据，则可以在调用add方法时提供fill_value参数的值，fill_value将会使用对象中存在的数据进行补充，具体示例代码如下。

In [48]: obj_one.add(obj_two, fill_value=0)   # 执行加法运算，补充缺失值
Out[48]:
0    30.0
1    32.0
2    34.0
3    23.0
4    24.0
dtype: float64

　　当然其他的算术运算也是类似的，这里就不再过多赘述了。