pandas sum函数,pandas sum函数详解及示例(27)

作者 : 慕源网 本文共1969个字,预计阅读时间需要5分钟 发布时间: 2021-12-2 共4.04K人阅读

Pandas sum() 简介

Pandas DataFrame.sum()函数用于返回用户所请求轴的值之和。如果输入值是索引轴, 则它将在列中添加所有值, 并且对所有列都相同。它返回一个序列, 其中包含每一列中所有值的总和。

在计算DataFrame中的总和时, 它还能够跳过DataFrame中的缺失值。

本文是Python Pandas教程系列的一部分,您可以点击Python Pandas使用教程查看所有。

语法和参数

pandas sum() 的语法和参数如下:

DataFrame.sum(skipna=true,axis=None,numeric_only=None, level=None,minimum_count=0, **kwargs)
参数: axis {index (0), columns (1)}

要应用于的函数的轴(axis)。

skipna bool, 默认为True

当计算结果时,排除NA / null值。

level int 或 level name, 默认为None

如果轴是多索引(层次化),则沿着特定级别计数,

并折叠成一个Series

numeric_only bool, 默认为None

只包括floatintboolean列。

如果 None,,将尝试使用一切,

然后只使用数字数据。没有在Series中实现。

min_countint, 默认为 0

执行操作所需的有效值数量。

如果少于min_count非NA值,则结果将为NA。

0.22.0版中的新增功能:添加了默认值0。

这意味着all-NA或空Series的总和为0,

all-NA或空Series的乘积为1

**kwargs

传递给函数的其他关键字参数。

返回值: Series 或 DataFrame (如果指定level)

Dataframe.sum() 函数如何在 Pandas 中工作?

现在我们看到了关于 sum() 函数如何在 Pandas 中工作的各种示例。调用 sum() 函数的默认方法是通过明确给出一个部分名称来分割数据集。尽管如此,这也是鲜为人知的,您同样可以将系列传递给总数。主要限制是该排列的长度与 Dataframe 相似。Pandas sum() 毫无疑问是 Pandas 带来的最卓越的功能之一。尽管如此,大多数客户只是使用了总和的一小部分能力。

示例#1

使用 sum() 函数,我们找出每列的总数。

代码:

import pandas as pd
info = {'Daily': ['Mon ','Tue ','Wed ','Thur ','Fri ','Sat '],
'Span Sal': [1050,2300,4600,5200,6150,7900],
'Vetts Sal': [5600,1250,1350,2450,5650,9500],
'Suchu Sal': [2368,1234,3456,2637,9876,8796]}
df = pd.DataFrame(info,columns=['Daily','Span Sal','Vetts Sal','Suchu Sal'])
total_sum = df.sum(axis=0)
print (total_sum)

输出:

在上面的程序中,我们将pandas作为pd导入,然后定义了3个人的日薪数据框。定义数据框后,我们使用 sum() 函数计算个人所有工资的总和。现在,由于axis = 0,我们将计算数据帧中每列的总和,最后打印输出,如上面的快照所示。

示例#2

使用 sum() 函数我们找到每行的总数。

代码:

import pandas as pd
info = {'Daily': ['Mon ','Tue ','Wed ','Thur ','Fri ','Sat '],
'Span Sal': [1050,2300,4600,5200,6150,7900],
'Vetts Sal': [5600,1250,1350,2450,5650,9500],
'Suchu Sal': [2368,1234,3456,2637,9876,8796]}
df = pd.DataFrame(info,columns=['Daily','Span Sal','Vetts Sal','Suchu Sal'])
total_sum = df.sum(axis=1)
print (total_sum)

输出:

在上面的程序中,我们首先将pandas导入为pd,然后定义数据框。定义数据框后,我们将在这里计算每行的总和,这就是我们给axis = 1 的原因。最后,我们使用 sum() 函数计算这 3 个人的每一行工资,最后打印输出,如上面的快照所示。

结论

因此,我最后想说的是,pandas sum() 函数是总结信息的有用工具。阅读本文后,您应该可以选择将其融合到您自己的信息调查中。

这是 Pandas sum() 的指南。这里我们也讨论一下介绍以及pandas sum函数在pandas中是如何工作的?以及示例及其代码实现。


慕源网 » pandas sum函数,pandas sum函数详解及示例(27)

常见问题FAQ

程序仅供学习研究,请勿用于非法用途,不得违反国家法律,否则后果自负,一切法律责任与本站无关。
请仔细阅读以上条款再购买,拍下即代表同意条款并遵守约定,谢谢大家支持理解!

发表评论

开通VIP 享更多特权,建议使用QQ登录