pandas DataFrame sum
Pandas DataFrame sum() 方法详解
基础概念
DataFrame.sum() 是 pandas 库中的一个方法，用于计算 DataFrame 或 Series 中数值的总和。它可以沿着指定的轴（行或列）进行求和运算，并支持多种参数来控制求和的行为。
主要参数
DataFrame.sum(axis=0, skipna=True, numeric_only=False, min_count=0, **kwargs)axis: 指定求和方向- 0 或 'index': 对每列求和（默认）
- 1 或 'columns': 对每行求和
skipna: 是否排除 NA/null 值，默认为 Truenumeric_only: 是否只包含数值列，默认为 Falsemin_count: 执行操作所需的有效值的最小数量
优势
- 灵活性：可以沿行或列方向求和
- 处理缺失值：自动跳过 NaN 值（除非指定 skipna=False）
- 高效性：底层使用优化的数值计算
- 易用性：简洁的语法，与其他 pandas 方法一致
应用场景
- 数据统计分析
- 财务数据汇总
- 科学计算
- 数据预处理
- 特征工程
示例代码
基本用法
import pandas as pd
import numpy as np
# 创建示例 DataFrame
df = pd.DataFrame({
'A': [1, 2, np.nan, 4],
'B': [5, np.nan, 7, 8],
'C': [9, 10, 11, 12]
})
# 默认对每列求和
print(df.sum())
"""
A 7.0
B 20.0
C 42.0
dtype: float64
"""
# 对每行求和
print(df.sum(axis=1))
"""
0 15.0
1 12.0
2 18.0
3 24.0
dtype: float64
"""处理缺失值
# 不跳过缺失值
print(df.sum(skipna=False))
"""
A NaN
B NaN
C 42.0
dtype: float64
"""
# 设置最小有效值数量
print(df.sum(min_count=3))
"""
A NaN
B 20.0
C 42.0
dtype: float64
"""只计算数值列
df['D'] = ['a', 'b', 'c', 'd']
print(df.sum(numeric_only=True))
"""
A 7.0
B 20.0
C 42.0
dtype: float64
"""常见问题及解决方案
问题1：求和结果出现 NaN
原因：数据中包含缺失值且 skipna=False，或者有效值数量不足 min_count
解决方案：
- 设置 skipna=True（默认）
- 清理或填充缺失值
- 调整 min_count 参数
问题2：非数值列也被求和
原因：numeric_only=False（默认）
解决方案：
- 设置 numeric_only=True
- 或先选择数值列再进行求和
问题3：内存不足或计算缓慢
原因：DataFrame 过大
解决方案：
- 分块计算
- 使用更高效的数据类型
- 考虑使用 Dask 等分布式计算框架
问题4：求和结果不正确
原因：可能数据类型不是数值型
解决方案：
- 检查数据类型：df.dtypes
- 转换数据类型：df.astype(float)
- 确保没有意外的字符串或其他非数值数据
高级用法
使用 groupby 结合 sum
df = pd.DataFrame({
'Category': ['A', 'B', 'A', 'B'],
'Values': [10, 20, 30, 40]
})
print(df.groupby('Category').sum())
"""
Values
Category
A 40
B 60
"""使用 agg 同时计算多个统计量
print(df.agg(['sum', 'mean', 'max']))
"""
A B C
sum 7.0 20.0 42.0
mean 2.333333 6.666667 10.5
max 4.0 8.0 12.0
"""DataFrame.sum() 是 pandas 数据分析中最常用的方法之一，掌握它的各种用法和参数设置对于高效的数据处理至关重要。
相关·内容
云服务器
ICP备案
云直播
即时通信 IM
实时音视频
腾讯云开发者
