Pandas sum详解|极客教程

Pandas sum详解

Pandas是Python中一个非常强大的数据分析库，提供了丰富的数据结构和数据操作功能。在数据分析和处理过程中，经常需要对数据进行求和操作。Pandas中的sum()函数就是用来实现对数据的求和操作的。在本文中，我将详细介绍Pandas中的sum()函数的用法以及一些注意事项。

什么是Pandas sum函数

sum()函数是Pandas中的一个聚合函数，用于对数据进行求和操作。它可以对DataFrame或Series中的数据进行求和，可以按行或按列进行求和，还支持对缺失值进行处理。sum()函数的语法如下：

DataFrame.sum(axis=0, skipna=True, level=None, numeric_only=None, min_count=0)

其中各参数的含义如下：

axis：指定按行（axis=0）还是按列（axis=1）进行求和，默认为0。
skipna：是否跳过缺失值，默认为True。
level：表示在多级标签（MultiIndex）的情况下，指定进行求和的级别。
numeric_only：是否只对数值型数据进行求和，默认为None。
min_count：指定参与求和的最小非NA值的数量，小于该值的行或列将被排除，默认为0。

示例数据

在接下来的示例中，我们将使用一个包含了一些销售数据的DataFrame作为示例数据。首先，让我们创建这个示例数据：

import pandas as pd

data = {
    'Product': ['A', 'B', 'C', 'A', 'B'],
    'Price': [100, 150, 200, 120, 180],
    'Quantity': [5, 3, 4, 6, 2]
}

df = pd.DataFrame(data)
print(df)

这段代码将输出如下的DataFrame：

  Product  Price  Quantity
0       A    100         5
1       B    150         3
2       C    200         4
3       A    120         6
4       B    180         2

对整个DataFrame进行求和

首先，我们可以使用sum()函数对整个DataFrame进行求和。默认情况下，sum()函数会按列对数据进行求和。让我们看一下如何对示例数据中的Price和Quantity列进行求和：

sum_by_column = df.sum()
print(sum_by_column)

运行上面的代码，将输出Price和Quantity列的求和结果：

Price       750
Quantity     20
dtype: int64

可以看到，对Price列进行求和的结果为750，对Quantity列进行求和的结果为20。如果想要按行对数据进行求和，只需指定axis=1参数：

sum_by_row = df.sum(axis=1)
print(sum_by_row)

运行上面的代码，将输出每行数据的求和结果：

0    105
1    153
2    204
3    126
4    182
dtype: int64

可以看到，对每行数据进行求和的结果分别为105、153、204、126和182。

对指定列进行求和

除了对整个DataFrame进行求和外，我们还可以对指定的列进行求和。对于示例数据中的Price和Quantity列，我们可以分别对它们进行求和：

price_sum = df['Price'].sum()
quantity_sum = df['Quantity'].sum()

print('Price总和:', price_sum)
print('Quantity总和:', quantity_sum)

运行上面的代码，将分别输出Price列和Quantity列的求和结果：

Price总和: 750
Quantity总和: 20

跳过缺失值

在实际数据处理中，经常会遇到缺失值的情况。Pandas的sum()函数支持跳过缺失值，即在计算求和时忽略缺失值。让我们故意在示例数据中添加一个缺失值，并尝试对含有缺失值的列进行求和：

data = {
    'Product': ['A', 'B', 'C', 'A', 'B'],
    'Price': [100, 150, None, 120, 180],
    'Quantity': [5, None, 4, 6, 2]
}

df_missing = pd.DataFrame(data)

sum_skipna = df_missing.sum()
print(sum_skipna)

运行上面的代码，将输出带有缺失值的列的求和结果：

Price       550.0
Quantity     17.0
dtype: float64

可以看到，在默认情况下，sum()函数会忽略缺失值并计算求和结果。如果想要包含缺失值，则可以指定skipna=False：

sum_include_na = df_missing.sum(skipna=False)
print(sum_include_na)

运行上面的代码，将输出包含缺失值的求和结果：

Price         NaN
Quantity      NaN
dtype: float64

可以看到，当设置skipna=False时，含有缺失值的列会得到NaN结果。

多级标签的求和

在处理多级标签（MultiIndex）的DataFrame时，sum()函数可以对指定级别的标签进行求和。让我们创建一个包含多级标签的示例DataFrame，并对其中的数据进行求和：

data_multi = {
    'Product': ['A', 'B', 'C', 'A', 'B'],
    'Price': [100, 150, 200, 120, 180],
    'Quantity': [5, 3, 4, 6, 2]
}

index = pd.MultiIndex.from_tuples([('X', 1), ('X', 2), ('Y', 1), ('Y', 2), ('Z', 1)], names=['Region', 'ID'])

df_multi = pd.DataFrame(data_multi, index=index)
print(df_multi)

上述代码将创建一个包含多级标签的DataFrame，并输出如下：

             Product  Price  Quantity
Region ID                            
X      1           A    100         5
       2           B    150         3
Y      1           C    200         4
       2           A    120         6
Z      1           B    180         2

接下来，我们可以对多级标签中的某一级进行求和，例如按Region进行求和：

sum_by_region = df_multi.sum(level='Region')
print(sum_by_region)

运行上面的代码，将输出按Region进行求和的结果：

      Price  Quantity
Region                
X       250         8
Y       320        10
Z       180         2

可以看到，按Region求和后的结果分别为X区域250、8，Y区域320、10，Z区域180、2。

注意事项

在使用sum()函数时，需要注意以下几点：

当对整个DataFrame进行求和时，默认情况下是按列进行求和，如果需要按行进行求和，需要指定axis=1参数。
可以通过skipna参数控制是否跳过缺失值，默认为True。
对于MultiIndex的DataFrame，可以通过level参数指定对哪一级别的标签进行求和。
如果想要包含缺失值进行求和，可以将skipna参数设置为False。
注意数据类型的影响，如果对非数值型数据进行求和，将会得到错误的结果。

总结一下，sum()函数是Pandas中非常实用的聚合函数，可以对DataFrame或Series中的数据进行求和操作，支持按行或按列求和，还可以对缺失值进行处理。在实际数据处理中，合理使用sum()函数可以方便快捷地进行数据分析和统计。

Pandas sum详解