如果没有eval，则需要使用add和fill_value=0参数：

df['result'] = df['fieldA'].add(df['fieldB'], fill_value=0)

您可以对eval使用相同的语法：

out = df.eval('result = fieldA.add(fieldB, fill_value=0)')

或者：

out = df.eval('result = fieldA.fillna(0) + fieldB.fillna(0)')

输出：

fieldA  fieldB  result
0     NaN     NaN     NaN
1     NaN     5.0     5.0
2     4.0     5.0     9.0
3     0.0     6.0     6.0

可复制输入：

from numpy import nan

df = pd.DataFrame({'fieldA': [nan, nan, 4.0, 0.0],
                   'fieldB': [nan, 5.0, 5.0, 6.0]})

你想要的东西用pd.eval不容易做到，为什么不用“标准”Pandas？

cols = ['fieldA', 'fieldB']
m = df[cols].notna().any(axis=1)

out = (df.loc[m, cols].fillna(0)
         .assign(result=lambda x: x.sum(axis=1))
         .reindex(df.index))

输出：

>>> out
   fieldA  fieldB  result
0     NaN     NaN     NaN
1     0.0     5.0     5.0
2     4.0     5.0     9.0
3     0.0     6.0     6.0