python pandas行、列求和及累加求和

2024-01-06 00:25| 来源: 网络整理| 查看: 265

data[‘合计’]=data.apply(lambda x: x.sum(),axis=1) #按列相加各行数

data.loc[‘小计’]=data.apply(lambda x: x.sum(),axis=0) #按行相加各列,增加小计，

要注意的是小计中变成字符，序列变object

要时刻关注data.中type的变化，可以用 data.dtypes 显示各列的type,可以用 data.astype(float) 转化，注意转化时，有时会出错

chengji=[[100,95,100,99],[90,98,99,100],[88,95,98,88],[99,98,97,87],[96.5,90,96,85],[94,94,93,91]] data=pd.DataFrame(chengji,columns=['语文','类别','数学','政治']) data['合计']=data.apply(lambda x: x.sum(),axis=1) #按列相加各行数 print('合计',data) data.loc['小计']=data.apply(lambda x: x.sum(),axis=0) #按行相加各列,增加小计，是字符，序列变object print('小计',data) data['累加值']=0 data.drop('小计',inplace=True) print('删除小计',data) data.sort_index(inplace=True) print('重排序列',data) data.astype(float) data['累加值']=data['合计'].cumsum() print('累计data',data) data.sort_values(by=['合计','语文'] , ascending=[False,False],inplace=True) #按多列值排序，ascending=False降序 #data.sort_values(by='语文',axis=1,ascending=True, inplace=True, na_position='last') #重建索引会把原索引值变成object data['排名']=data['合计'].rank(ascending=0,method='min') print (data) data.sort_index(inplace=True) print(data) data = data.reset_index(drop=True) data.loc[1:3,'语文']="" data.loc[4,'语文']=None #空值为none 或np.nan print(data) print(data.dtypes) data.fillna(value=0,inplace=True) # "所有值全为缺失值才删除 df.dropna(how='all') # axis:维度，axis=0表示index行,axis=1表示columns列，默认为0 #how:"all"表示这一行或列中的元素全部缺失（为nan）才删除这一行或列，"any"表示这一行或列中只要有元素缺失，就删除这一行或列 #thresh:一行或一列中至少出现了thresh个才删除。 #subset：在某些列的子集中选择出现了缺失值的列删除，不在子集中的含有缺失值得列或行不会删除（有axis决定是行还是列） #inplace：刷选过缺失值得新数据是存为副本还是直接在原数据上进行修改。 print('填充缺失值',data) data.replace("",0,inplace=True) print('填充空值',data) print(data.loc[data.index==1,'累加值']) print('类别数量',data['类别']) print('类别=95',data.loc[data['类别']==95,'累加值']) print(data.loc[:,'合计']-data.loc[:,'语文'])

先排序后，可以进行累加值，累加的列一定要存在，可以用data[‘累加值’]=0 建一个值为0的列。用data[‘累加值’]=data[‘合计’].cumsum() 把合计的值累加，一定要注意，是按照排列的顺序相加。

合计语文类别数学政治合计 0 100.0 95 100 99 394.0 1 90.0 98 99 100 387.0 2 88.0 95 98 88 369.0 3 99.0 98 97 87 381.0 4 96.5 90 96 85 367.5 5 94.0 94 93 91 372.0 小计语文类别数学政治合计 0 100.0 95.0 100.0 99.0 394.0 1 90.0 98.0 99.0 100.0 387.0 2 88.0 95.0 98.0 88.0 369.0 3 99.0 98.0 97.0 87.0 381.0 4 96.5 90.0 96.0 85.0 367.5 5 94.0 94.0 93.0 91.0 372.0 小计 567.5 570.0 583.0 550.0 2270.5 删除小计语文类别数学政治合计累加值 0 100.0 95.0 100.0 99.0 394.0 0 1 90.0 98.0 99.0 100.0 387.0 0 2 88.0 95.0 98.0 88.0 369.0 0 3 99.0 98.0 97.0 87.0 381.0 0 4 96.5 90.0 96.0 85.0 367.5 0 5 94.0 94.0 93.0 91.0 372.0 0 重排序列语文类别数学政治合计累加值 0 100.0 95.0 100.0 99.0 394.0 0 1 90.0 98.0 99.0 100.0 387.0 0 2 88.0 95.0 98.0 88.0 369.0 0 3 99.0 98.0 97.0 87.0 381.0 0 4 96.5 90.0 96.0 85.0 367.5 0 5 94.0 94.0 93.0 91.0 372.0 0 累计data 语文类别数学政治合计累加值 0 100.0 95.0 100.0 99.0 394.0 394.0 1 90.0 98.0 99.0 100.0 387.0 781.0 2 88.0 95.0 98.0 88.0 369.0 1150.0 3 99.0 98.0 97.0 87.0 381.0 1531.0 4 96.5 90.0 96.0 85.0 367.5 1898.5 5 94.0 94.0 93.0 91.0 372.0 2270.5 语文类别数学政治合计累加值排名 0 100.0 95.0 100.0 99.0 394.0 394.0 1.0 1 90.0 98.0 99.0 100.0 387.0 781.0 2.0 3 99.0 98.0 97.0 87.0 381.0 1531.0 3.0 5 94.0 94.0 93.0 91.0 372.0 2270.5 4.0 2 88.0 95.0 98.0 88.0 369.0 1150.0 5.0 4 96.5 90.0 96.0 85.0 367.5 1898.5 6.0 语文类别数学政治合计累加值排名 0 100.0 95.0 100.0 99.0 394.0 394.0 1.0 1 90.0 98.0 99.0 100.0 387.0 781.0 2.0 2 88.0 95.0 98.0 88.0 369.0 1150.0 5.0 3 99.0 98.0 97.0 87.0 381.0 1531.0 3.0 4 96.5 90.0 96.0 85.0 367.5 1898.5 6.0 5 94.0 94.0 93.0 91.0 372.0 2270.5 4.0 语文类别数学政治合计累加值排名 0 100 95.0 100.0 99.0 394.0 394.0 1.0 1 98.0 99.0 100.0 387.0 781.0 2.0 2 95.0 98.0 88.0 369.0 1150.0 5.0 3 98.0 97.0 87.0 381.0 1531.0 3.0 4 None 90.0 96.0 85.0 367.5 1898.5 6.0 5 94 94.0 93.0 91.0 372.0 2270.5 4.0 语文 object 类别 float64 数学 float64 政治 float64 合计 float64 累加值 float64 排名 float64 dtype: object 填充缺失值语文类别数学政治合计累加值排名 0 100 95.0 100.0 99.0 394.0 394.0 1.0 1 98.0 99.0 100.0 387.0 781.0 2.0 2 95.0 98.0 88.0 369.0 1150.0 5.0 3 98.0 97.0 87.0 381.0 1531.0 3.0 4 0 90.0 96.0 85.0 367.5 1898.5 6.0 5 94 94.0 93.0 91.0 372.0 2270.5 4.0 填充空值语文类别数学政治合计累加值排名 0 100.0 95.0 100.0 99.0 394.0 394.0 1.0 1 0.0 98.0 99.0 100.0 387.0 781.0 2.0 2 0.0 95.0 98.0 88.0 369.0 1150.0 5.0 3 0.0 98.0 97.0 87.0 381.0 1531.0 3.0 4 0.0 90.0 96.0 85.0 367.5 1898.5 6.0 5 94.0 94.0 93.0 91.0 372.0 2270.5 4.0 1 781.0 Name: 累加值, dtype: float64 类别数量 0 95.0 1 98.0 2 95.0 3 98.0 4 90.0 5 94.0 Name: 类别, dtype: float64 类别=95 0 394.0 2 1150.0 Name: 累加值, dtype: float64 0 294.0 1 387.0 2 369.0 3 381.0 4 367.5 5 278.0 dtype: float64

【本文地址】

公司简介

联系我们