pandas dataframe dataframe.sum()函数-ag捕鱼王app官网

python pandas dataframe.sum() 的功能是计算 dataframe 对象在指定轴上的值之和。

pandas.dataframe.sum() 的语法

dataframe.sum(
    axis=none, skipna=none, level=none, numeric_only=none, min_count=0, **kwargs
)

参数

返回值

如果没有指定 level，则返回所要求的轴的值之和的 series，否则返回总和值的 dataframe。

示例代码： dataframe.sum() 沿列轴计算和值的方法

import pandas as pd
df = pd.dataframe({'x': 
                   [1,2,3,4,5], 
                   'y': [1, 2, 3,4,5], 
                   'z': [3,4,5,6,3]})
print("dataframe:")
print(df)
sums=df.sum()
print("column-wise sum:")
print(sums)

输出：

dataframe:
   x  y  z
0  1  1  3
1  2  2  4
2  3  3  5
3  4  4  6
4  5  5  3
column-wise sum:
x    15
y    15
z    21
dtype: int64

它计算所有列 x、y 和 z 的总和，最后返回一个 series 对象，其中包括每列的总和。

在 pandas 中，要找到 dataframe 中某一列的总和，只需要调用该列的 sum() 函数。

import pandas as pd
df = pd.dataframe({'x': 
                   [1,2,3,4,5], 
                   'y': [1, 2, 3,4,5], 
                   'z': [3,4,5,6,3]})
print("dataframe:")
print(df)
sums=df["z"].sum()
print("sum of values of z-column:")
print(sums)

输出：

dataframe:
   x  y  z
0  1  1  3
1  2  2  4
2  3  3  5
3  4  4  6
4  5  5  3
sum of values of z-column:
21

它只给出了 dataframe z 列值的总和。

示例代码： dataframe.sum() 沿行轴查找总和的方法

import pandas as pd
df = pd.dataframe({'x': 
                   [1,2,3,4,5], 
                   'y': [1, 2, 3,4,5], 
                   'z': [3,4,5,6,3]})
print("dataframe:")
print(df)
sums=df.sum(axis=1)
print("row-wise sum:")
print(sums)

输出：

dataframe:
   x  y  z
0  1  1  3
1  2  2  4
2  3  3  5
3  4  4  6
4  5  5  3
row-wise sum:
0     5
1     8
2    11
3    14
4    13
dtype: int64

它计算所有行的总和，最后返回一个包含每行总和的 series 对象。

在 pandas 中，如果要找到 dataframe 中某一行的总和，需要调用 sum() 函数来计算这一行的总和。

import pandas as pd
df = pd.dataframe({'x': 
                   [1,2,3,4,5], 
                   'y': [1, 2, 3,4,5], 
                   'z': [3,4,5,6,3]})
print("dataframe:")
print(df)
sum_3=df.iloc[[2]].sum(axis=1)
print("sum of values of 3rd row:")
print(sum_3)

输出：

dataframe:
   x  y  z
0  1  1  3
1  2  2  4
2  3  3  5
3  4  4  6
4  5  5  3
sum of values of 3rd row:
2    11
dtype: int64

它只给出了 dataframe 的第三行的值的总和。

使用 iloc 方法根据索引来选择行。

示例代码：dataframe.sum() 方法查找忽略 nan 值的总和

使用 skipna 参数的默认值，即 skipna=true 沿指定的轴找到 dataframe 的总和，忽略 nan 值。

import pandas as pd
df = pd.dataframe({'x': 
                   [1,none,3,4,5], 
                   'y': [1, none, 3,none,5], 
                   'z': [3,4,5,6,3]})
print("dataframe:")
print(df)
sums=df.sum()
print("column-wise sum:")
print(sums)

输出：

dataframe:
     x    y  z
0  1.0  1.0  3
1  nan  nan  4
2  3.0  3.0  5
3  4.0  nan  6
4  5.0  5.0  3
column-wise sum:
x    13.0
y     9.0
z    21.0
dtype: float64

如果你设置 skipna=true，如果 dataframe 有 nan 值，你将得到 nan 值的和。

import pandas as pd
df = pd.dataframe({'x': 
                   [1,none,3,4,5], 
                   'y': [1, none, 3,none,5], 
                   'z': [3,4,5,6,3]})
print("dataframe:")
print(df)
sums=df.sum(skipna=false)
print("column-wise sum:")
print(sums)

输出：

dataframe:
     x    y  z
0  1.0  1.0  3
1  nan  nan  4
2  3.0  3.0  5
3  4.0  nan  6
4  5.0  5.0  3
column-wise sum:
x     nan
y     nan
z    21.0
dtype: float64

这里，你会得到列 x 和 y 之和的 nan 值，因为它们都有 nan 值。

示例代码：在 dataframe.sum() 方法中设置 min_count

import pandas as pd
df = pd.dataframe({'x': 
                   [1,none,3,4,5], 
                   'y': [1, none, 3,none,5], 
                   'z': [3,4,5,6,3]})
print("dataframe:")
print(df)
sums=df.sum(min_count=4)
print("column-wise sum:")
print(sums)

输出：

dataframe:
     x    y  z
0  1.0  1.0  3
1  nan  nan  4
2  3.0  3.0  5
3  4.0  nan  6
4  5.0  5.0  3
column-wise sum:
x    13.0
y     nan
z    21.0
dtype: float64

在这里，你可以得到 y 列之和的 nan 值，因为 y 列只有 3 个非 nan 值，小于 min_count 参数的值。