Python pandas.DataFrame.sum用法及代码示例

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

返回请求轴上的值的总和。

这等效于方法 numpy.sum 。

参数：

axis：{索引 (0), 列 (1)}

要应用的函数的轴。

skipna：布尔值，默认为真

计算结果时排除 NA/null 值。

level：int 或级别名称，默认无

如果轴是 MultiIndex(分层)，则沿特定级别计数，折叠成一个系列。

numeric_only：布尔值，默认无

仅包括 float、int、boolean 列。如果没有，将尝试使用所有内容，然后仅使用数字数据。未针对系列实施。

min_count：整数，默认 0

执行操作所需的有效值数。如果存在的非 NA 值少于 min_count，则结果将为 NA。

**kwargs：

要传递给函数的附加关键字参数。

Series 或 DataFrame(如果指定了级别)

例子：

>>> 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 all-NA 系列的总和是 0 。

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

这可以通过min_count 参数进行控制。例如，如果您希望空系列的总和为 NaN，请传递 min_count=1 。

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

由于skipna 参数，min_count 处理 all-NA 和空系列相同。

>>> pd.Series([np.nan]).sum()
0.0

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

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.DataFrame.sum。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：