Python是進行數據分析的一種出色語言,主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種,使導入和分析數據更加容易。
Pandas dataframe.sum()
函數返回所請求軸的值之和。如果輸入是索引軸,則它將一列中的所有值相加,並對所有列重複相同的值,並返回一個包含每一列中所有值之和的序列。它還支持在計算數據幀中的總和時跳過數據幀中的缺失值。
用法:DataFrame.sum(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs)
參數:
axis:{索引(0),列(1)}
skipna:計算結果時排除NA /null值。
level:如果軸是MultiIndex(分層),則沿特定級別計數,並折疊為Series
numeric_only:僅包括float,int,boolean列。如果為None,將嘗試使用所有內容,然後僅使用數字數據。未針對係列實施。
min_count:執行操作所需的有效值數量。如果存在少於min_count非NA值,則結果將為NA。
返回:sum:Series或DataFrame(如果指定級別)
要鏈接到代碼中使用的CSV文件,請單擊此處
範例1:采用sum()
函數查找索引軸上所有值的總和。
# importing pandas as pd
import pandas as pd
# Creating the dataframe
df = pd.read_csv("nba.csv")
# Print the dataframe
df
現在找到沿索引軸的所有值的總和。我們將跳過NaN
計算總和中的值。
# finding sum over index axis
# By default the axis is set to 0
df.sum(axis = 0, skipna = True)
輸出:
範例2:采用sum()
函數查找列軸上所有值的總和。
現在我們將沿著列軸求和。我們將skipna設置為true。如果我們不跳過NaN
值,它將導致NaN
值。
# importing pandas as pd
import pandas as pd
# Creating the dataframe
df = pd.read_csv("nba.csv")
# sum over the column axis.
df.sum(axis = 1, skipna = True)
輸出:
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Timestamp.tz用法及代碼示例
- Python Pandas Series.str.contains()用法及代碼示例
- Python Pandas dataframe.std()用法及代碼示例
- Python Pandas Timestamp.dst用法及代碼示例
- Python Pandas dataframe.sem()用法及代碼示例
- Python Pandas DataFrame.ix[ ]用法及代碼示例
- Python Pandas.Categorical()用法及代碼示例
- Python Pandas.apply()用法及代碼示例
- Python Pandas TimedeltaIndex.contains用法及代碼示例
- Python Pandas Timestamp.now用法及代碼示例
- Python Pandas Series.str.pad()用法及代碼示例
- Python Pandas Series.take()用法及代碼示例
- Python Pandas dataframe.all()用法及代碼示例
- Python Pandas series.str.get()用法及代碼示例
注:本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas dataframe.sum()。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。