列的和: Pandas .sum()返回0.0
Pandas是一个开源的数据分析和数据处理库，提供了丰富的数据结构和数据分析工具。在Pandas中，可以使用.sum()方法对数据进行求和操作。
Pandas的.sum()方法用于计算数据的和。当应用于DataFrame对象时，默认情况下会对每一列进行求和操作，并返回一个包含每一列和的Series对象。如果应用于Series对象，则会返回一个标量值，即该Series对象的和。
优势：
- 灵活性：Pandas提供了丰富的数据结构，如Series和DataFrame，可以方便地处理各种类型的数据。
- 强大的数据处理能力：Pandas提供了许多数据处理和转换的函数，如合并、分组、过滤、排序等，可以高效地进行数据清洗和转换。
- 快速的计算速度：Pandas底层使用了NumPy库，能够高效地处理大规模数据，并且提供了向量化操作，能够加速计算过程。
- 丰富的数据分析工具：Pandas提供了各种统计分析和数据可视化的函数，如描述性统计、相关性分析、绘图等，方便用户进行数据分析和探索。
应用场景：
- 数据清洗和预处理：Pandas提供了丰富的数据处理函数，可以方便地进行数据清洗和预处理，如缺失值处理、异常值处理、数据转换等。
- 数据分析和探索：Pandas提供了各种统计分析和数据可视化的函数，可以进行数据分析和探索，如描述性统计、相关性分析、绘图等。
- 数据建模和机器学习：Pandas可以与其他机器学习库（如Scikit-learn）配合使用，进行数据建模和机器学习任务，如特征工程、模型训练等。
推荐的腾讯云相关产品： 腾讯云提供了云计算相关的产品和服务，其中与数据处理和分析相关的产品包括云数据库 TencentDB、云数据仓库 Tencent Data Lake Analytics、云数据集成 Tencent Data Integration等。这些产品可以帮助用户在云上进行数据处理和分析任务。
- 腾讯云数据库 TencentDB：https://cloud.tencent.com/product/cdb
- 云数据仓库 Tencent Data Lake Analytics：https://cloud.tencent.com/product/dla
- 云数据集成 Tencent Data Integration：https://cloud.tencent.com/product/dti
相关·内容
我知道这是个简单的问题，但我对潘达斯很陌生。我想对每一行的单元格进行比较，以查看列中的任何单元格是否大于或小于0.00。
GOOG AAPL XOM IBM Value
2011-01-10 0.0 0.0 0.0 0.0 0.00
2011-01-13 0.0 -1500.0 0.0 4000.0 -61900.00
我知道熊猫是在迭代中建造的。但是，使用下面的代码，我收到了一个错误
for index, row in dataFrame.iterrows():
浏览 2提问于2017-10-15得票数 5
回答已采纳
2回答
例如，我有一个Pandas dataframe：
df = pd.DataFrame([[10.0, 0.0, 9.0, 7.2],[5.4, 1.0, 0.0, 8.0], [1.7, 4.4, 3.2, 0.0]], columns=['value', 'A', 'B', 'C'])
value A B C
0 10.0 0.0 9.0 7.2
1 5.4 1.0 0.0 8.0
2 1.7 4.4 3.2 0.0
3 5.4 3.1 6.1 0.0
对于每一
浏览 2提问于2015-12-10得票数 0
回答已采纳
我有一本价值字典：
{'Spanish Omlette': -0.20000000000000284,
'Crumbed Chicken Salad': -1.2999999999999972,
'Chocolate Bomb': 0.0,
'Seed Nut Muesli': -3.8999999999999915,
'Fruit': -1.2999999999999972,
'Frikerdels Salad': -1.2000000000000028,
'Seed Nut
浏览 10提问于2017-03-21得票数 2
回答已采纳
1回答
我有以下数据：
import pandas as pd
x4 = pd.DataFrame({"ID": [101,101, 102, 103, 104, 105],
"Prob": [1, 1,1, 1, 1, 1],
"Ef": [0,2, 0, 0, 0.25, 0.29],
"W": [2, 2,3, 4, 5, 6],
"EC": [0, 0,0,
浏览 3提问于2017-10-04得票数 1
回答已采纳
我尝试在pandas groupby上运行聚合函数，其中我将其中一列作为kwarg或arg传递。我可以通过传递一个常量来做到这一点，但是我不知道如何传递一个列值。
例如
import pandas as pd
import datetime
import numpy as np
def sum_corr(vector, cor):
a = vector.tolist()
radicand = sum([a[i]*a[j] * (1 if i == j else cor) for i in range(len(a)) for j in range(len(a))])
r
浏览 0提问于2017-03-23得票数 1
1回答
我有一个Pandas，它有三个列，id (一个唯一标识符)，然后是三个字符串列event_one、event_two和event_three，如下所示：
test_df.head()
id event_one event_two event_three
0 N1 'aaa' 'abc' 'xyz'
1 N2 'bbb' 'abc' 'uvw'
2 N3 'ccc' 'def'
浏览 7提问于2020-10-02得票数 1
回答已采纳
我和Pandas groupby().sum()在一起遇到了一个奇怪的问题。
我有一个DF，它有两个类别列和三个numeric/float值列-值列有None，如下所示：
cat_1 cat_2 val_1 val_2 val_3
0 b z 0.1 NaN NaN
1 b x 0.1 NaN NaN
2 c y 0.1 1.0 NaN
3 c z 0.1 NaN NaN
4 c x 0.1 1.0 NaN
我希望组
浏览 8提问于2022-03-17得票数 0
回答已采纳
2回答
将值较少的行添加到熊猫数据
、、、、
给出一个例子-- dataframe：
import pandas as pd
import numpy as np
values = np.array([
[0, 0.5, 1, 0, 0, 3],
[1, 0, 0, 1, 1, 0 ],
[0, 0.5, 0, 0, 2, 1],
[0, 0, 0, 0, 4, 0],
])
indexes= 'a','b','c','d'
columns='ab','bc','cd'
浏览 4提问于2017-03-24得票数 1
回答已采纳
请参阅下面的示例，如何在原始MultiIndex的所有三个级别上从groupby返回数据？
在本例中:我想按品牌查看总数。现在，我已经应用了一个使用map的解决方案(参见下面，这显示了我希望直接从groupby获得的输出)。
brands = ['Tesla','Tesla','Tesla','Peugeot', 'Peugeot', 'Citroen', 'Opel', 'Opel', 'Peugeot', 'Citroen', &#
浏览 0提问于2019-05-12得票数 1
回答已采纳
4回答
我试图对下面的Pandas DataFrame进行排序：
RHS age height shoe_size weight
0 weight NaN 0.0 0.0 1.0
1 shoe_size NaN 0.0 1.0 NaN
2 shoe_size 3.0 0.0 0.0 NaN
3 weight 3.0 0.0 0.0 1.0
4 age 3.0 0.0 0.0 1.0
这
浏览 2提问于2017-08-27得票数 9
回答已采纳
我有几个具有不同结束时间段的列。
需要用最后一个已知的值填充空数据。
Pandas有没有一种方法可以在结束日期不循环基数的情况下做到这一点呢？
我需要最近4个月的gain_sum_y等于-57129.0。
gain_sum_x gain_sum_y
month
2014-09-30 -97747 -41355.0
2014-10-31 -112928 -47394.0
2014-11-30 -131638 -57129.0
2014-12-31 -161370
浏览 0提问于2017-09-06得票数 3
我在第一列中有一个带有重复值的2d numpy数组。重复的值可以在第二列中有任何对应的值。
使用numpy很容易找到累积和，但是，我必须找到所有重复值的累积和。
我们怎样才能有效地利用矮胖或熊猫呢？
在这里，我已经用无效的for-循环解决了这个问题。我想知道是否有一个更优雅的解决方案。
问题，我们如何才能以更有效的方式获得同样的结果？
我们会感谢你的帮助。
#!python
# -*- coding: utf-8 -*-#
#
# Imports
import pandas as pd
import numpy as np
np.random.seed(42) # make results
浏览 1提问于2018-06-07得票数 0
回答已采纳
2回答
我想使用criteria列中的条件将1/01、1/02、1/03、1/04、1/05、1/06列中的值与目标列中的值进行比较。我想要获取列Sum中不满足每个ID的标准的所有值的计数。 # importing pandas as pd
import pandas as pd
# Create sample dataframe
raw_data = {'ID': ['A1', 'B1', 'C1', 'D1'],
'Domain': ['Finance', 'IT&#
浏览 13提问于2019-06-19得票数 2
回答已采纳
当我通过一个问题来模拟一个答案时，我发现Pandas版本的0.21.0之间有一个奇怪的行为
然而，当对列使用fillna和sum()时，它会按需要工作，但它会导致0.0高于0.21.0版本。
DataFrame结构：
>>> df = pd.DataFrame({'PlaceTest':[21,21,22,22], 'Approved':[1,0,1,0]})
>>> df
PlaceTest Approved
0 21 1
1 21 0
2
浏览 0提问于2018-12-01得票数 1
回答已采纳
5回答
在总结两个熊猫栏时，我想忽略两个列中一个是浮子时的nan值。但是，当nan出现在这两列中时，我希望将nan保留在输出中(而不是0.0)。
初始数据格式：
Surf1 Surf2
0 0
NaN 8
8 15
NaN NaN
16 14
15 7
期望输出：
Surf1 Surf2 Sum
0 0 0
NaN 8 8
8 15 23
NaN NaN NaN
16
浏览 7提问于2020-05-06得票数 5
回答已采纳
我有一个数据框架如下：
Preg Glucose BloodPressure SkinThickness Insulin Outcome
0 1.0 85.0 66.0 29.0 0.0 0.0
1 8.0 183.0 64.0 0.0 0.0 0.0
2 1.0 89.0 66.0 23.0 94.0 1.0
3 0.0 137.0
浏览 0提问于2019-08-29得票数 1
回答已采纳
在Pandas DataFrame中创建两列的浅表副本时，我发现了一些困难。
我有以下代码：
import numpy as np
import pandas as pd
data = pd.DataFrame(np.zeros((5,3)), columns=["a","b","c"])
print(data)
b = data.loc[:, "a"]
b += 1
print(data)
通过这种方式，我可以引用dataframe的第一列，b+1有效地将1添加到第一列数据(打印数据，我可以看到值发生了变化)。我想做一些类似的
浏览 1提问于2021-03-19得票数 2
回答已采纳
我有三个二元分类模型，我到达以下点，试图将它们组装成一个最后的比较ROC图。
import pandas as pd
import numpy as np
import sklearn.metrics as metrics
y_test = ... # a numpy array containing the test values
dfo = ... # a pd.DataFrame containing the model predictions
dfroc = dfo[['SVM',
'RF',
浏览 1提问于2020-06-23得票数 0
回答已采纳
我有一个包含三列的数据集：
import pandas as pd
df = pd.DataFrame({'A': [1,2,3,2,3,3],
'B': [1.0, 2.0, 3.0, 2.0, 3.0, 3.0],
'C': [0.0, 3.5, 1.2, 2.1, 3.1, 0.0]})
现在，显然我可以使用df['A'].value_counts()来获取列A中值的计数。
df['A'].value
浏览 1提问于2016-08-10得票数 1
回答已采纳
2回答
我试图在一个具有异构类型(整数、浮点和时间增量)的组之后，对多个列进行求和。
In [1]: import pandas
In [2]: df = pandas.DataFrame({'key': [1, 1, 2, 2], 'val1': range(4), 'val2': [pandas.Timedelta(seconds=i) for i in range(4)], 'val3': [0.1 * i for i in range(4)]})
In [3]: df
Out[3]:
key val1 val
浏览 2提问于2015-07-02得票数 3
回答已采纳
1回答
我使用的是python 3和pandas。 我有一个数据帧； tpfs.info() <class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 2121 entries, 2019-05-15 00:10:00 to 2019-05-31 23:52:00
Data columns (total 4 columns):
bg 2121 non-null int64
carbs 2121 non-null float64
humalog 2121 non-null float6
浏览 6提问于2019-06-17得票数 0
回答已采纳
2回答
我想在pandas数据框中创建一个列，该列将添加其他列的值(它们是0或1)。该列称为"sum“
我的HEADPandas看起来像这样：
Application AnsSr sum Col1 Col2 Col3 .... Col(n-2) Col(n-1) Col(n)
date 28-12-11 0.0 0.0 28/12/11 .... ...Dates... 28/12/11
~00c 0 0.0 0.0 0 0 0 .... 0 0 0
~00pr
浏览 0提问于2018-12-11得票数 0
3回答
我的数据有很多列。其中一个列是数组。
df
Out[191]:
10012005 10029008 10197000 ... filename_int filename result
0 0.0 0.0 0.0 ... 1 1.0 [280, NON]
1 0.0 0.0 0.0 ... 10 10.0 [286, NON]
2 0.0 0.0 0.0
浏览 8提问于2020-04-25得票数 2
回答已采纳
1回答
我有一个熊猫DataFrame，例如： df = pd.DataFrame([[1.0, np.nan, 3.0],
[4.0, 5.0, 6.0],
[np.nan, np.nan, np.nan],
[np.nan, 8.0, 9.0],
[0.0, 0.0, 0.0]],
columns=['a', 'b', 'c'])
df =
a
浏览 6提问于2019-01-25得票数 1
回答已采纳
我正在使用dynamic .csvs。所以我永远不知道列名是什么。这方面的例子：
1)
ETC META A B C D E %
0 2.0 A 0.0 24.564 0.000 0.0 0.0 -0.00%
1 4.2 B 0.0 2.150 0.000 0.0 0.0 3.55%
2 5.0 C 0.0 0.000 15.226 0.0 0.0 6.14%
2)
META A C D E
浏览 0提问于2019-01-20得票数 1
回答已采纳
考虑一下这个dataframe
df = pandas.DataFrame(numpy.random.randint(0,100,size=(200, 4)), columns=list('ABCD'))
df['E'] = list(numpy.arange(1001, 1021)) * 10
df['F'] = ['c', 'b', 'b', 'a', 'd'] * 20 + ['d', 'a', 'b', '
浏览 2提问于2017-06-30得票数 3
回答已采纳
在给出的熊猫数据中：
df =
contig pos PI_index hapX_My_Sum hapY_My_Sum hapX_Sp_Sum
0 2 16229767 726 0.0 12.0 3.5
1 2 16229783 726 0.0 12.0 3.5
3 2 16229880 726 0.0 12.0
浏览 2提问于2017-03-13得票数 4
回答已采纳
1回答
我有一个名为“数据”的熊猫数据，数据与下表相似。我想在蟒蛇里把它们画成条形图。
Name X Y Z Activity
AAA1 0.0 0.0 2.0 Low
AAA2 0.0 2.0 6.0 Medium
AAA3 1.0 2.0 3.0 High
AAA4 2.0 1.0 4.0 High
我试过的是，有点颜色和风格，
sns.set(style="white", context="talk", palette="husl")
data.plot.bar(x='Name', widt
浏览 0提问于2018-08-07得票数 2
回答已采纳
1回答
熊猫垂直旋转和总结多行
、、、
鉴于以下数据框架：
import numpy as np
import pandas as pd
df = pd.DataFrame({'Site':['a','a','a','b','b','b'],
'x':[1,1,0,1,0,0],
'y':[1,np.nan,0,1,1,0]
})
df
Site y x
0
浏览 1提问于2016-05-13得票数 2
回答已采纳
1回答
我有这样的数据(样本)
import pandas as pd
df = pd.DataFrame({'m': [101, 102, 106, 107, 109, 114, 115, 115, 119, 121, 123, 124, 124, 124, 128, 130, 130, 133, 137, 140],
'o': [103132, 103297, 102485, 106034, 109479, 101807, 106092, 101948, 100192, 105655, 104533, 107595, 10958
浏览 0提问于2019-02-26得票数 0
回答已采纳
2回答
我想做什么
我想数数有条件的行数。每一列应该有不同的编号。
import numpy as np
import pandas as pd
## Sample DataFrame
data = [[1, 2], [0, 3], [np.nan, np.nan], [1, -1]]
index = ['i1', 'i2', 'i3', 'i4']
columns = ['c1', 'c2']
df = pd.DataFrame(data, index=index, columns=columns)
p
浏览 4提问于2022-08-22得票数 0
回答已采纳
3回答
我有许多相等长度和相等日期时间索引的数据帧。
Date OPP
0 2008-01-04 0.0
1 2008-02-04 0.0
2 2008-03-04 0.0
3 2008-04-04 0.0
4 2008-05-04 0.0
5 2008-06-04 0.0
6 2008-07-04 393.75
7 2008-08-04 -168.75
8 2008-09-04 -656.25
9 2008-10-04 -1631.25
Date OPP
0 2008-01-04 750.0
1 2
浏览 15提问于2019-07-18得票数 0
回答已采纳
2回答
我有以下DataFrame：
from datetime import datetime as dt
import numpy as np
import pandas as pd
inputs = {
'indicator':[69.88, 85.05, 50.19, 71.08, 44.83, 36.32, 29.42, 44.47, 34.71, 37.91, 32.78, 35.85, 38.98, 23.16, 73.22, 77.77, 49.22, 59.1, 83.38, 88.5, 47.78],
'short_trade':
浏览 6提问于2021-12-18得票数 1
回答已采纳
我希望能够创建一个聚合groupby列，该列是从一个聚合函数创建的，该聚合函数依赖于原始数据帧的多个列。例如(在本例中)，我希望计算具有给定半衰期的资产列表的指数加权平均值。 这是一个例子，我计算了内置函数的均值和标准差，以及lambda函数的均值…… np.random.seed(0)
df = pd.DataFrame({'DATE': ['2019-11-30','2019-10-31', '2019-09-30', '2019-08-31', '2019-07-31', '2019
浏览 278提问于2019-12-06得票数 1
回答已采纳
我有下面的Pandas数据框架，我希望将日期转换为列，并将每个人的总时数之和。
# Current Pandas DF
| Full Name | ID | Date | Hours|
----------- ------------ ---------- -----
| John A | 00001 | 2019-01-01 | 5.7 |
| John A | 00001 | 2019-01-02 | NaN |
| John A | 00001 | 2019-01-03 | 6.0 |
| J
浏览 0提问于2019-06-21得票数 1
回答已采纳
1回答
我正在尝试优化一段代码，该代码查找带有布尔条目的数据mode的行模式。这里的行模式不是每列的模式，但行向量的重复次数最多。
我有一种工作方式：
some_binary_entry_dataframe = pd.DataFrame(pd.np.random.rand(10,300) < 0.5)
pd.util.hash_pandas_object(some_binary_entry_dataframe, index=False).mode()
但是我发现这个任务很快就慢了，对于一个数据帧形状的20x300，大约100毫秒。它已经变成了我代码的瓶颈。如何才能在熊猫或矮胖的情况下优化这一点呢
浏览 2提问于2020-10-09得票数 1
1回答
我有一个数据帧，其中有多个包含向量的列(向量列的数量是动态的)。我需要创建一个新列，获取所有向量列的总和。我很难把这事做完。下面是生成我正在测试的样本数据集的代码。 import org.apache.spark.ml.feature.VectorAssembler
val temp1 = spark.createDataFrame(Seq(
(1,1.0,0.0,4.7,6,0.0),
(2,1.0,0.0,6.8,6,0.0),
浏览 68提问于2019-02-15得票数 3
2回答
更新数据文件的值
、、
给出了一些有关菜式、餐厅位置和销售情况的数据：
>>> import pandas
>>> df1 = pandas.DataFrame({"dish" : ["fish", "chicken", "fish", "chicken", "chicken"],
... "location" : ["central", "central", "north&#
浏览 3提问于2017-12-14得票数 0
回答已采纳
假设我有以下pandas数据帧，其中col_1只能接受1.0或0.0的值
+-------+---------+
| score | col_a |
+-------+---------+
| 10 | 1.0 |
| 15 | 0.0 |
| 12 | 0.0 |
| 12 | 0.0 |
+-------+---------+
我想创建以下数据框架，它本质上是按分数分组，然后填充每个分数的计数，其中col_a = 1.0或col_a = 0.0
+--------+----------|---------+
| score |
浏览 0提问于2019-10-04得票数 0
2回答
我有一个列的数据类型为float16的DataFrame，它的最大值为65536。当我调用pandas中的sum()对该列的所有值求和时，当值超出范围时，我会得到无限的"inf“值。
这是sum的输入数据和输出数据的示例：
由于sum()函数的输出值的数据类型自动遵循列的数据类型，我想问一下，是否有任何方法可以将sum的值转换为pandas中的值，以避免无限值？
浏览 1提问于2018-10-21得票数 0
初始化列表列表：
data = [[1.0, 0.635165,0.0], [1.0, 0.766586,1.0], [1.0, 0.724564,1.0],
[1.0, 0.766586,1.0],[1.0, 0.889199,1.0],[1.0, 0.966586,1.0],
[1.0, 0.535165,0.0],[1.0, 0.55165,0.0],[1.0, 0.525165,0.0],
[1.0, 0.5595165,0.0] ]
创建Pandas DataFrame：
df = pd.DataFrame(data, columns
浏览 1提问于2020-04-20得票数 2
回答已采纳
我知道通常pandas的itertuples()会返回每个的值，包括列名，如下所示：
ab=pd.DataFrame(np.random.random([3,3]),columns=['hi','low','med'])
for i in ab.itertuples():
print(i)
输出结果如下：
Pandas(Index=0, hi=0.05421443, low=0.2456833, med=0.491185)
Pandas(Index=1, hi=0.28670429, low=0.5828551, med=0.279305
浏览 3提问于2017-07-25得票数 8
回答已采纳
1回答
在我的模型中我有array[1..num_compute_nodes,1..num_access_nodes,1..num_request] of var 0..10: assignment;和array[1..num_compute_nodes,1..num_compute_nodes] of int: compute_nodes_relation。我提到的第一个(决策)变量在运行模型后(它是值除以10后)看起来类似：
Compute node1:
Access node1: 0.0, 0.0, 0.5, 0.0,
Access node2: 0.0, 0.4, 0.0, 0.0,
Ac
浏览 3提问于2021-06-17得票数 0
2回答
当我在一个skipna=False上使用agg方法时，我想设置DataFrame。
我的DataFrame有许多(动态)列。我正在执行groupby并使用agg进行聚合，如
import pandas as pd
import numpy as np
df = pd.DataFrame({"A": [1, 2], "B": [np.nan, np.nan], "C": [0, 0]})
# the sum of B is 0.0
df.agg({"A": "sum", "B": "sum&
浏览 8提问于2022-09-07得票数 4
有这样的时间序列：
>>> from pandas import date_range
>>> from pandas import Series
>>> dates = date_range('2019-01-01', '2019-01-10', freq='D')[[0, 4, 5, 8]]
>>> dates
DatetimeIndex(['2019-01-01', '2019-01-05', '2019-01-06',
浏览 0提问于2019-06-11得票数 1
回答已采纳
3回答
在我的for循环中，我的代码生成如下所示的列表：
list([0.0,0.0]/sum([0.0,0.0]))
循环生成所有其他类型的数字向量，但它也生成[nan,nan]，为了避免它，我试图放入一个条件来防止它，就像下面的那个，但它不返回true。
nan in list([0.0,0.0]/sum([0.0,0.0]))
>>> False
它不应该返回true吗？
我加载的库：
import PerformanceAnalytics as perf
import DataAnalyticsHelpers
import DataHelpers as data
i
浏览 0提问于2013-12-02得票数 15
回答已采纳
2回答
我有一个有几百万行的dataframe我需要从一个特定的列索引到最后一列计算每一行的和。每一行的列索引都是唯一的。具有所需输出的这方面的一个例子是：
import pandas as pd
df = pd.DataFrame({'col1': [1, 2, 2, 5, None, 4],
'col2': [4, 2, 4, 2, None, 1],
'col3': [6, 3, 8, 6, None, 4],
'col4&#
浏览 4提问于2022-01-05得票数 2
回答已采纳
2回答
我有一个按两列分组的pandas DataFrame和一个自定义函数，该函数从每个分组的行集计算值的元组。我正在尝试收集数据帧中的结果，并使用原始的组索引进行索引。当我使用apply()时，我得到了一个带有正确索引的Series，但是值是以元组的形式出现的。我应该如何编写我的函数，以使结果成为数据帧，并按每个组的标签进行索引？
这是一个基于本教程中的数据帧的示例。
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',
浏览 1提问于2017-02-27得票数 0
回答已采纳
2回答
我的问题是编辑每个类别的小计并显示合计，然后编辑"All“列，但我不能这样做。请告诉我如何继续。prets_preview：和issues_out：的链接文件感谢您的帮助。
In [1]: import pandas as pd
In [2]: import numpy as np
In [3]: from pandas import DataFrame
In [4]: issues=pd.read_table('prets_preview.csv')
In [5]: site={'BUS1A' : 'Zèbre', 'M
浏览 0提问于2017-02-18得票数 0
如何根据列中的值将Pandas拆分为多个数据流？
df = pd.DataFrame({'A':[4,5,0,0,5,0,0,4],
'B':[7,8,0,0,4,0,0,0],
'C':[1,3,0,0,7,0,0,0]}, columns = ['A','B','C'])
df["sum"] = df.sum(axis=1)
df["Rolling_sum"] = df["sum
浏览 1提问于2021-11-19得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
