Python 减去数据帧时为NaN

我有两个数据帧，其中只有一些重叠的索引和列

old = pd.DataFrame(index = ['A', 'B', 'C'],
                   columns = ['k', 'l', 'm'],
                   data = abs(np.floor(np.random.rand(3, 3)*10)))

new = pd.DataFrame(index = ['A', 'B', 'C', 'D'],
                   columns = ['k', 'l', 'm', 'n'],
                   data = abs(np.floor(np.random.rand(4, 4)*10)))

我想计算它们之间的差异，并尝试

delta = new - old

这就产生了很多索引和列不匹配的NAN。我想将索引和列的消失视为零（old['n'，'D']=0）。旧的永远是新的子空间

有什么想法吗

编辑： 我想我解释得不够透彻。我不想用零填充增量数据帧。我想把old中缺少的索引和列视为零。然后，我将以delta而不是NaN的形式获取new['n'，'D']中的值。

与

fill\u value=0一起使用：

In [15]:
old = pd.DataFrame(index = ['A', 'B', 'C'],
                   columns = ['k', 'l', 'm'],
                   data = abs(np.floor(np.random.rand(3, 3)*10)))
​
new = pd.DataFrame(index = ['A', 'B', 'C', 'D'],
                   columns = ['k', 'l', 'm', 'n'],
                   data = abs(np.floor(np.random.rand(4, 4)*10)))
delta = new.sub(old, fill_value=0)
delta

Out[15]:
   k  l  m  n
A  0  3 -9  7
B  0 -2  1  8
C -4  1  1  7
D  8  6  0  6