| Pandas.DataFrame.sum() 求和 详解 含代码 含测试数据集 随Pandas版本持续更新 | 您所在的位置：网站首页 › 求每一列的和 › Pandas.DataFrame.sum() 求和 详解 含代码 含测试数据集 随Pandas版本持续更新 |
Pandas.DataFrame.sum() 求和 详解 含代码 含测试数据集 随Pandas版本持续更新
|
关于Pandas版本： 本文基于 pandas2.2.0 编写。 关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。 传送门： Pandas API参考目录 传送门： Pandas 版本更新及新特性 传送门： Pandas 由浅入深系列教程 本节目录 Pandas.DataFrame.sum()计算公式：语法：返回值：参数说明：axis 指定计算方向（行或列）skipna 忽略缺失值numeric_only 排除非纯数值的行或列min_count 有效数值数量**kwargs 关键字参数 相关方法：示例：例1：如果是 `Series` 始终保持 `axis=0`，即计算整列的求和。例2：整行或整列，可以都是字符串类型的数据，字符串支持求求和。但是，如果和数值类型的数据混在一起，会报错！例2-1、全是字符串是可以求求和的例2-2、字符串类型的行、列如果存在[缺失值](https://blog.csdn.net/sumgqinsky/article/details/134620311?spm=1001.2014.3001.5501)（`NaN`） 会报错例2-3、字符串类型，如果和数值类型的数据混在一起，会报错！例2-4、当 `axis=None` 时, `DataFrame` 的所有值的数据类型必须是相同的，要么都是字符串类型的，要么都是数值类型的，否则会报错！例2-5、求 `DataFrame` 每列的求和例2-6、求 `DataFrame` 每行的求和 例3：如果整行或整列，都是缺失值，那么求和结果是0.0。例4：`numeric_only=True` 只对数值类型的数据求求和例5：控制有效值数量关于Pandas版本： 本文基于 pandas2.1.2 编写。 关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。 Pandas稳定版更新及变动内容整合专题： Pandas稳定版更新及变动迭持续更新。 Pandas API参考所有内容目录 本节目录 Pandas.DataFrame.sum()计算公式：语法：返回值：参数说明：axis 指定计算方向（行或列）skipna 忽略缺失值numeric_only 排除非纯数值的行或列min_count 有效数值数量**kwargs 关键字参数 相关方法：示例：例1：如果是 `Series` 始终保持 `axis=0`，即计算整列的求和。例2：整行或整列，可以都是字符串类型的数据，字符串支持求求和。但是，如果和数值类型的数据混在一起，会报错！例2-1、全是字符串是可以求求和的例2-2、字符串类型的行、列如果存在[缺失值](https://blog.csdn.net/sumgqinsky/article/details/134620311?spm=1001.2014.3001.5501)（`NaN`） 会报错例2-3、字符串类型，如果和数值类型的数据混在一起，会报错！例2-4、当 `axis=None` 时, `DataFrame` 的所有值的数据类型必须是相同的，要么都是字符串类型的，要么都是数值类型的，否则会报错！例2-5、求 `DataFrame` 每列的求和例2-6、求 `DataFrame` 每行的求和 例3：如果整行或整列，都是缺失值，那么求和结果是0.0。例4：`numeric_only=True` 只对数值类型的数据求求和例5：控制有效值数量 Pandas.DataFrame.sum()Pandas.DataFrame.sum 方法用于返回行或列所有元素的和。 计算公式：Pandas求和计算公式： ∑ i = 0 n − 1 x i \sum_{i=0}^{n-1} x_{i} ∑i=0n−1xi n n n 表示数值的总个数， i i i 表示起始索引下标， x x x 表示求和数值所在数组。 计算过程： ∑ i = 0 n − 1 x i = x 0 + x 1 + x 2 + . . . + x n \sum_{i=0}^{n-1} x_{i}=x_0+x_1 +x_2+...+x_n ∑i=0n−1xi=x0+x1+x2+...+xn 语法：DataFrame.sum(axis=0, skipna=True, numeric_only=False, min_count=0, **kwargs) 返回值：Series or scalar 输入的数据是单行或单列，则返回 scalar;输入的数据是多行或多列，则返回 Series。 参数说明： axis 指定计算方向（行或列）axis : {0 or ‘index’, 1 or ‘columns’}, default 0 axis 参数，用于指定计算方向，即按行计算或按列计算求和： 如果是 Series 此参数无效，将始终保持 axis=0，即计算整列的求和。例1如果是 DataFrame 默认为 axis=0 即计算每一列的求和。并有以下参值可选:0 or ‘index’: 计算每列的求和。 例2-5 1 or ‘columns’： 计算每行的求和。例2-6 None: 计算所有值的求和，这相当于把 DataFrame 的所有值展平后求求和： df.sum(axis=None) 等效于 sum(df.values.raravel()) ⚠️ 注意 : 整行或整列，可以都是字符串类型的数据，字符串支持求和（字符串相加的结果是拼接）:例2 字符串类型的行或列，不能存在缺失值,会报错！TypeError 。例2-2字符串类型，如果和数值类型的数据混在一起，会报错！TypeError 例2-3当 axis=None 时, DataFrame 的所有值的数据类型必须是相同的，要么都是字符串类型的，要么都是数值类型的，否则会报错！ TypeError 例2-4⚠️ 注意 : axis=None 已被标记为弃用，在未来的版本，将使用新的方法实现。 ✅ 新增于 Pandas 2.0.0 : axis 参数，新增于Pandas 2.0.0 版本。 skipna 忽略缺失值skipna : bool, default False > skipna 参数，用于指定求求和的时候是否忽略缺失值： False： 不忽略，[缺失值] 在求求和的时候，会被解析为浮点数 float 0.0。当字符串和缺失值混合时，会报错！TypeError。 例2-2True: 忽略缺失值。⚠️ 注意 : 如果整行或整列，都是缺失值，那么求和结果是0,因为在 DataFrame.sum 方法中，缺失值会被解析为 浮点数0.0 例3 numeric_only 排除非纯数值的行或列numeric_only : bool, default False numeric_only 参数，用于控制是否 排除非纯数值的行或列： False： 不排除。True: 只对纯数值型的行或列计算求和。例4 min_count 有效数值数量min_count : int, default 0 min_count 参数，用于指定执行操作所需的有效值数量。如果存在的非 NA 值少于 min_count，则结果将为 NA。例5 **kwargs 关键字参数 kwargs kwargs 参数，是为了保持与 Numpy 的兼容性而保留的参数，一般不需要传递任何内容。 相关方法：➡️ 相关方法 Series.sum Series 求和 Series.min 最小值 Series.max 最大值 Series.idxmin 最小值索引 Series.idxmax 最大值索引 DataFrame.min 最小值 DataFrame.max 最大值 DataFrame.idxmin 最小值索引 DataFrame.idxmax 最大值索引 示例：测试文件下载： 本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。 若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。
B列由于是数字+字符串，所以没有被计算最小值。 C列布尔值和浮点数混用，也没有被计算最小值 例5：控制有效值数量如果不限制有效值数量，即便存在缺失值(NaN),也会被解析为浮点数0.0 pd.Series([np.nan]).sum() 0.0限制了有效值数量，如果存在的非 NA 值少于 min_count，则结果将为 NA pd.Series([np.nan]).sum(min_count=1) nan |
【本文地址】