pandas sum() 求和

pandas 的 sum() 方法用于计算 DataFrame 或 Series 中各列或各行的元素之和。该方法对数值型数据非常有用，可以快速得到数据集的总和。

语法

返回请求轴上的值之和。这相当于 numpy.sum 方法。

DataFrame.sum(axis=0, 
              skipna=True, 
              numeric_only=None, 
              min_count=0, 
              **kwargs)

参数

1. axis：int，默认值是 0
   指定计算的轴方向：

   • 0 或 'index'：按列计算元素之和。
   • 1 或 'columns'：按行计算元素之和。
   • 不推荐使用axis=None的DataFrame.sum行为，在未来的版本中，这将在两个轴上减少并返回标量。要保留旧行为，请传递axis=0（或不传递axis）。

2. skipna：bool，默认值是 True
   是否忽略缺失值（NaN）。

   • 如果为 True，忽略缺失值并进行计算；
   • 如果为 False，只要有缺失值存在，对应的计算结果就会是 NaN。

3. numeric_only：bool，默认值是 None
   是否只计算数值类型的列。

   • 如果为 True，只考虑数值类型的列；
   • 如果为 False，包括所有数据类型的列，但只对能够进行加法操作的数据类型计算。

4. min_count：int，默认值是 0
   需要参与计算的最小值的个数。如果小于这个值，计算结果将为 NaN。

5. ****kwargs**：其他关键词参数，用于扩展功能或在方法调用时传递给其他内部函数。

返回值

返回一个包含各列或各行元素之和的 Series。如果操作的是 DataFrame，则返回的 Series 的索引与输入数据的一致。

使用场景

• 数据汇总：快速计算数据集的总和，用于统计分析中的基础汇总。
• 数据清洗：在数据清洗过程中，通过求和检测异常值或验证数据一致性。
• 数据预处理：在数据处理的某些步骤中，求和是常见的操作，特别是在进行聚合分析时。

示例

idx = pd.MultiIndex.from_arrays([
    ['warm', 'warm', 'cold', 'cold'],
    ['dog', 'falcon', 'fish', 'spider']],
    names=['blooded', 'animal'])
s = pd.Series([4, 2, 0, 8], name='legs', index=idx)
s
'''
blooded  animal
warm     dog       4
         falcon    2
cold     fish      0
         spider    8
Name: legs, dtype: int64
'''

s.sum()
# 14

默认情况下，空或所有NA系列的总和为0。

pd.Series([], dtype="float64").sum()  # min_count=0 is the default
# 0.0

这可以通过min_count参数来控制。例如，如果你想让一个空序列的和为NaN，请传递min_count=1。

pd.Series([], dtype="float64").sum(min_count=1)
nan

得益于skipna参数，min_count以相同的方式处理所有NA和空序列。

pd.Series([np.nan]).sum()
# 0.0
pd.Series([np.nan]).sum(min_count=1)
# nan

案例

假设我们有一个包含学生考试成绩的 DataFrame，我们可以使用 sum() 方法来计算每门课程的总成绩。

import pandas as pd

# 创建示例数据
data = {
    '数学': [75, 85, 95, 65, 70],
    '英语': [88, 92, 85, 70, 80],
    '物理': [92, 90, 87, 85, 80]
}
df = pd.DataFrame(data)

# 计算各门课程的总成绩
df.sum()
'''
数学    390
英语    415
物理    434
dtype: int64
'''

在这个例子中，sum() 方法计算了每门课程的总成绩。这种计算在汇总和分析数据时非常常见，可以帮助我们快速了解不同科目的总体表现。

参考

• https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.sum.html

相关内容

• pandas 实现特殊的加权平均计算 2021-05-25 09:04:00

更新时间：2024-08-08 21:49:19 标签：pandas python 求和 sum