首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

对pandas中的一列到多列求和

在pandas中,可以使用sum()函数对一列或多列进行求和操作。

如果要对一列进行求和,可以使用以下代码:

代码语言:txt
复制
import pandas as pd

# 创建一个DataFrame示例
data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10],
        'C': [11, 12, 13, 14, 15]}
df = pd.DataFrame(data)

# 对列A进行求和
sum_A = df['A'].sum()
print("列A的求和结果为:", sum_A)

输出结果为:

代码语言:txt
复制
列A的求和结果为: 15

如果要对多列进行求和,可以使用sum()函数并指定axis参数为1,表示按行进行求和。以下是示例代码:

代码语言:txt
复制
import pandas as pd

# 创建一个DataFrame示例
data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10],
        'C': [11, 12, 13, 14, 15]}
df = pd.DataFrame(data)

# 对列A和列B进行求和
df['sum_AB'] = df[['A', 'B']].sum(axis=1)
print("列A和列B的求和结果为:")
print(df)

输出结果为:

代码语言:txt
复制
列A和列B的求和结果为:
   A   B   C  sum_AB
0  1   6  11       7
1  2   7  12       9
2  3   8  13      11
3  4   9  14      13
4  5  10  15      15

在这个例子中,我们创建了一个新的列sum_AB,它是列A和列B的求和结果。

总结一下,pandas中的sum()函数可以用于对一列或多列进行求和操作。对于多列求和,需要使用axis参数指定按行求和。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • groupby函数详解

    这是由于变量grouped是一个GroupBy对象,它实际上还没有进行任何计算,只是含有一些有关分组键df[‘key1’]的中间数据而已,然后我们可以调用配合函数(如:.mean()方法)来计算分组平均值等。   因此,一般为方便起见可直接在聚合之后+“配合函数”,默认情况下,所有数值列都将会被聚合,虽然有时可能会被过滤为一个子集。   一般,如果对df直接聚合时, df.groupby([df['key1'],df['key2']]).mean()(分组键为:Series)与df.groupby(['key1','key2']).mean()(分组键为:列名)是等价的,输出结果相同。   但是,如果对df的指定列进行聚合时, df['data1'].groupby(df['key1']).mean()(分组键为:Series),唯一方式。 此时,直接使用“列名”作分组键,提示“Error Key”。 注意:分组键中的任何缺失值都会被排除在结果之外。

    01
    领券