python sum函数用法_Python pandas.DataFrame.sum函数方法的使用

DataFrame.sum(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs)[source]

返回所请求轴的值之和。

这等效于方法numpy.sum。

参数:axis:{index (0), columns (1)}

要应用于的函数的轴(axis)。

skipna:bool, 默认为True

当计算结果时,排除NA / null值。

level:int 或 level name, 默认为None

如果轴是多索引(层次化),则沿着特定级别计数,

并折叠成一个Series。

numeric_only:bool, 默认为None

只包括float,int,boolean列。

如果 None,,将尝试使用一切,

然后只使用数字数据。没有在Series中实现。

min_count:int, 默认为 0

执行操作所需的有效值数量。

如果少于min_count非NA值,则结果将为NA。

0.22.0版中的新增功能:添加了默认值0。

这意味着all-NA或空Series的总和为0,

all-NA或空Series的乘积为1。

**kwargs

传递给函数的其他关键字参数。

返回值:Series 或 DataFrame (如果指定level)

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

使用级别名称和索引求和>>> s.sum(level='blooded')

blooded

warm 6

cold 8

Name: legs, dtype: int64

>>> s.sum(level=0)

blooded

warm 6

cold 8

Name: legs, dtype: int64

默认情况下,空系列或全NA系列的总和为0>>> pd.Series([]).sum() # min_count=0 is the default

0.0

可以通过min_count参数来控制。例如,如果您希望一个空序列的总和为NaN,请传递min_count=1>>> pd.Series([]).sum(min_count=1)

nan

由于有了该skipna参数,因此可以完全min_count处理全NA和空序列>>> pd.Series([np.nan]).sum()

0.0

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

nan

你可能感兴趣的:(python,sum函数用法)