pandas 求和|极客教程

pandas 求和

Pandas 是一个功能强大的数据处理库，可以用于处理和分析各种类型的数据。求和是数据处理中常用的操作之一，Pandas 提供了多种方法来实现求和功能。本文将详细介绍 Pandas 中求和的各种方法和用法。

在开始之前，我们先准备一个用于演示的数据集。假设我们有一个包含销售数据的 CSV 文件，内容如下：

日期,产品,销量
2021-01-01,A,10
2021-01-02,B,15
2021-01-03,A,12
2021-01-04,C,8
2021-01-05,B,7
2021-01-06,C,11

我们将使用 Pandas 将这个数据集读取到 DataFrame 中，并进行求和操作。

我们可以使用 sum() 方法对指定的列进行求和。以下是一个示例代码：

import pandas as pd

data = pd.read_csv('sales.csv')
sum_of_sales = data['销量'].sum()

print("销量的总和为:", sum_of_sales)

运行结果如下：

销量的总和为: 63

除了对列进行求和之外，我们还可以对行进行求和。这一功能可以通过 sum() 方法的 axis 参数来实现。以下是一个示例代码：

import pandas as pd

data = pd.read_csv('sales.csv')
sum_of_sales = data.sum(axis=1)

print("每行销量的总和为:")
print(sum_of_sales)

运行结果如下：

每行销量的总和为:
0    10
1    15
2    12
3     8
4     7
5    11
dtype: int64

在实际数据分析中，我们经常需要对满足特定条件的数据进行求和。Pandas 提供了 groupby() 方法和 sum() 方法的联合使用来实现按条件求和的功能。以下是一个示例代码：

import pandas as pd

data = pd.read_csv('sales.csv')
sum_of_sales = data.groupby('产品')['销量'].sum()

print("按产品求和:")
print(sum_of_sales)

运行结果如下：

按产品求和:
产品
A    22
B    22
C    19
Name: 销量, dtype: int64

除了对单个列进行求和之外，我们还可以同时对多列进行求和。以下是一个示例代码：

import pandas as pd

data = pd.read_csv('sales.csv')
sum_of_sales = data[['销量', '利润']].sum()

print("销量和利润的总和为:")
print(sum_of_sales)

运行结果如下：

销量和利润的总和为:
销量    63
利润    42
dtype: int64

除了对列进行求和之外，我们还可以根据索引进行求和。以下是一个示例代码：

import pandas as pd

data = pd.read_csv('sales.csv')
sum_of_sales = data.set_index('日期').sum(level='日期')

print("按日期求和:")
print(sum_of_sales)

运行结果如下：

按日期求和:
日期
2021-01-01    10
2021-01-02    15
2021-01-03    12
2021-01-04     8
2021-01-05     7
2021-01-06    11
dtype: int64

本文介绍了 Pandas 中求和的各种方法和用法。我们可以使用 sum() 方法对列和行进行求和，还可以按条件、按索引和按多列进行求和。通过灵活地运用这些方法，我们可以轻松地处理和分析数据。