当还有数值类型的列时，Pandas sum不包括timedelta类型的列

在使用Pandas进行数据处理时，sum函数默认情况下不会对timedelta类型的列进行求和操作。这是因为timedelta类型的数据表示的是时间上的差异，而不是数值。下面我将详细解释这一现象的基础概念，以及如何处理包含timedelta类型列的数据求和问题。

基础概念

Pandas DataFrame: 是一个二维标签数据结构，能够以行和列的形式存储数据。
timedelta: 是Python标准库datetime中的一个类，用于表示时间上的差异。
sum函数: 在Pandas中，sum函数用于对DataFrame或Series中的数值进行求和。

为什么Pandas sum不包括timedelta类型的列？

sum函数设计之初是为了处理数值类型的数据。timedelta类型虽然可以表示为数值（例如，天数、秒数等），但它们代表的是时间上的差异，而不是纯粹的数值。因此，Pandas的sum函数默认不处理timedelta类型的数据。

如何解决这个问题？

如果你需要对包含timedelta类型列的数据进行求和，可以采取以下几种方法：

方法一：转换为数值类型后求和

你可以先将timedelta类型的列转换为数值类型（例如，秒数），然后再进行求和。

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [pd.Timedelta(days=1), pd.Timedelta(hours=2), pd.Timedelta(minutes=30)]
})

# 将timedelta转换为秒数
df['B_seconds'] = df['B'].dt.total_seconds()

# 对数值类型的列进行求和
result = df[['A', 'B_seconds']].sum()

print(result)

方法二：使用自定义函数进行求和

你可以编写一个自定义函数来处理timedelta类型的列，并在其中进行求和。

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [pd.Timedelta(days=1), pd.Timedelta(hours=2), pd.Timedelta(minutes=30)]
})

# 自定义求和函数
def custom_sum(df):
    numeric_sum = df.select_dtypes(include=['number']).sum()
    timedelta_sum = df.select_dtypes(include=['timedelta64']).sum().sum()
    return numeric_sum, timedelta_sum

# 调用自定义求和函数
numeric_result, timedelta_result = custom_sum(df)

print("Numeric Sum:", numeric_result)
print("Timedelta Sum:", timedelta_result)