Pandas DataFrame DataFrame.sum()函数
Suraj Joshi
2023年1月30日
2020年11月7日
-
pandas.DataFrame.sum()的语法 -
示例代码：
DataFrame.sum()沿列轴计算和值的方法 -
示例代码：
DataFrame.sum()沿行轴查找总和的方法 -
示例代码：
DataFrame.sum()方法查找忽略NaN值的总和 -
示例代码：在
DataFrame.sum()方法中设置min_count
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
axis |
沿着行(axis=0)或列(axis=1)求和 |
skipna |
布尔型。排除 NaN 值(skipna=True)或包含 NaN 值(skipna=False)。 |
level |
如果轴为 MultiIndex，则沿特定级别进行计数。 |
numeric_only |
布尔型。对于 numeric_only=True，只包括 float、int 和 boolean 列。 |
min_count |
整数。计算总和的非 NaN 值的最小数目。如果不满足这一条件，总和将为 NaN。 |
**kwargs |
函数的附加关键字参数 |
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。
Author: Suraj Joshi
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn