Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Загрузка образца Pandas Dataframe
  • Вычислить сумму столбца Pandas Dataframe
  • Вычислить сумму строки Pandas Dataframe
  • Добавьте столбцы Pandas Dataframe вместе
  • Добавьте столбцы Pandas Dataframe, которые соответствуют условию
  • Рассчитать сумму группы Pandas Dataframe
  • Заключение
  • Дополнительные ресурсы
  1. Учебники по Pandas и Numpy
  2. Pandas

Pandas Sum: сложение столбцов и строк DataFrame

PreviousPandas: количество столбцов (подсчет столбцов в DataFrame)NextPandas Diff: Вычисление Разницы Между Строками Pandas

Last updated 1 month ago

В этом руководстве вы научитесь использовать Pandas для вычисления суммы, включая сложение значений по столбцам и строкам DataFrame. Умение складывать значения для расчета общей суммы по столбцам или строкам позволяет получать полезные итоговые статистики.

К концу этого урока вы научитесь:

  • Вычислить сумму столбца Pandas Dataframe

  • Вычислить сумму строки Pandas Dataframe

  • Добавьте столбцы Pandas Dataframe вместе

  • Добавьте столбцы Pandas Dataframe, которые соответствуют условию

  • Рассчитать сумму группы Pandas Dataframe

Быстрый ответ: используйте Pandas .sum() для добавления столбцов и строк Dataframe

Как добавить значения
Описание
Пример

По столбцам

Добавьте все числовые значения в столбец Pandas или столбцы таблицы данных.

df['column name'].sum()

Построчно

Add все числовые значения в строке Pandas

df.sum(axis=1)

Конкретные столбцы

Добавить значения определенных столбцов

df['column 1'] + df['column 2']

Оглавление

Загрузка образца Pandas Dataframe

Если вы хотите следовать за учебником построчно, скопируйте код ниже. Этот код загружает пример DataFrame в Pandas, на который мы будем ссылаться на протяжении всего учебника. Если у вас есть собственные данные, вы можете использовать их, чтобы следовать, но ваши результаты

# Загрузка примера DataFrame с использованием Pandas
import pandas as pd

df = pd.DataFrame.from_dict({
    'Name': ['Nik', 'Kate', 'Kevin', 'Evan', 'Jane', 'Kyra', 'Melissa'],
    'January_Sales': [90, 95, 75, 93, 60, 85, 75],
    'February_Sales': [95, 95, 75, 65, 50, 85, 100],
    'March_Sales': [100, 95, 50, 75, 90, 50, 80]
})

print(df.head())

# Возвращает:
#     Name  January_Sales  February_Sales  March_Sales
# 0    Nik             90              95          100
# 1   Kate             95              95           95
# 2  Kevin             75              75           50
# 3   Evan             93              65           75
# 4   Jane             60              50           90

У нас есть четыре колонки: одна содержит имя продавца, и три содержат значения продаж каждого продавца.

В следующем разделе вы узнаете, как использовать Pandas для суммирования всех значений в столбце dataframe.

Вычислить сумму столбца Pandas Dataframe

Обычной задачей может быть сложение всех значений в столбце Dataframe Pandas. К счастью, Pandas упрощает это с помощью метода sum. Мы можем применить этот метод как к серии Pandas (то есть к столбцу), так и ко всему dataframe.

Начнем с того, как суммировать все значения в столбце Pandas:

# Суммирование всех значений в столбце Pandas
january_sum = df['January_Sales'].sum()
print(january_sum)

# Возвращает: 572

Аналогично, мы можем вычислить сумму всех столбцов в Pandas Dataframe. Для этого просто применяем метод sum ко всему датафрейму

Давайте попробуем:

# Вычисление суммы всех столбцов в DataFrame Pandas
dataframe_sum = df.sum()
print(dataframe_sum)

# Возвращает:
# Name              NikKateKevinEvanJaneKyraMelissa
# January_Sales                                 573
# February_Sales                                565
# March_Sales                                   540

Это возвращает объект Series из Pandas, с которым легко работать, если мы хотим получить сумму определенного столбца. По умолчанию Pandas будет складывать только числовые столбцы, то есть столбец "Name" не будет учитываться

В следующем разделе вы узнаете, как вычислить сумму строки в DataFrame Pandas.

Вычислить сумму строки Pandas Dataframe

Во многих случаях вам захочется суммировать значения по строкам в DataFrame Pandas. Подобно приведенному выше примеру, мы можем использовать метод .sum. По умолчанию, Pandas применит аргумент axis=0, который будет суммировать значения по индексам. Если мы изменим это на axis=1, значения будут суммироваться по столбцам.

Давайте посмотрим, как можно складывать значения по строкам

# Суммирование строк DataFrame с использованием .sum()
dataframe_sum = df.sum(axis=1, numeric_only=True)
print(dataframe_sum)

# Возвращает:
# 0    285
# 1    285
# 2    200
# 3    233
# 4    200
# 5    220
# 6    255
# dtype: int64

Вы можете задаться вопросом, почему мы применяем здесь аргумент numeric_only=True. В будущих версиях Pandas будет выдаваться TypeError, если будут включены нечисловые столбцы.

# Суммирование строк DataFrame с использованием .sum()
dataframe_sum = df.sum(axis=1, numeric_only=True)
print(dataframe_sum)

# Возвращает:
# 0    285
# 1    285
# 2    200
# 3    233
# 4    200
# 5    220
# 6    255
# dtype: int64

Этот результат более чистый и позволяет лучше видеть идентификатор строки, который в данном случае является именем продавца.

В следующем разделе вы узнаете, как просто сложить некоторые столбцы DataFrame в Pandas.

Добавьте столбцы Pandas Dataframe вместе

Pandas упрощает сложение различных столбцов выборочно. Если мы хотим сложить только два столбца построчно, а не все, мы можем просто сложить столбцы непосредственно. Преимущество этого подхода в том, что мы можем создать новый столбец для хранения.

Давайте посмотрим, как это выглядит:

# Установка индекса и суммирование всех строк DataFrame
dataframe_sum = df.set_index('Name').sum(axis=1, numeric_only=True)
print(dataframe_sum)

# Возвращает:
# Name
# Nik        285
# Kate       285
# Kevin      200
# Evan       233
# Jane       200
# Kyra       220
# Melissa    255
# dtype: int64

Мы видим, что создали новый столбец, который хранит сумму двух наших столбцов. Прекрасная черта этой операции в том, что она векторизована, что означает ее высокую скорость и возможность эффективно использовать мощь Pandas.

В следующем разделе вы узнаете, как условно добавлять столбцы в датафрейм

Добавьте столбцы Pandas Dataframe, которые соответствуют условию

There may be times when you want to add multiple columns in a dataframe, but not all of them. We can do this by adding Pandas columns conditionally, with the help of a list comprehension.

For this example, let’s modify our dataframe to include an additional numerical column:

# Загрузка и модификация примера DataFrame с использованием Pandas
import pandas as pd

df = pd.DataFrame.from_dict({
    'Name': ['Nik', 'Kate', 'Kevin', 'Evan', 'Jane', 'Kyra', 'Melissa'],
    'January_Sales': [90, 95, 75, 93, 60, 85, 75],
    'February_Sales': [95, 95, 75, 65, 50, 85, 100],
    'March_Sales': [100, 95, 50, 75, 90, 50, 80],
    'Some Random Number': [1,2,3,4,5,6,7]
})

print(df.head())

# Возвращает:
#     Name  January_Sales  February_Sales  March_Sales  Some Random Number
# 0    Nik             90              95          100                   1
# 1   Kate             95              95           95                   2
# 2  Kevin             75              75           50                   3
# 3   Evan             93              65           75                   4
# 4   Jane             60              50           90                   5

Давайте посмотрим, как мы

# Получение списка столбцов, содержащих 'Sales' в названии
sales_columns = [col for col in df.columns if 'Sales' in col]
print(sales_columns)

# Возвращает: ['January_Sales', 'February_Sales', 'March_Sales']

Теперь, когда мы выбрали наши столбцы, мы можем использовать аргумент axis=1 и сложить только те столбцы, которые содержат продажи. Давайте посмотрим, как это выглядит

# Добавление столбца условно в Pandas
sales_columns = [col for col in df.columns if 'Sales' in col]

df['Total Sales'] = df[sales_columns].sum(axis=1)
print(df.head())

# Возвращает:
#     Name  January_Sales  February_Sales  March_Sales  Some Random Number  Total Sales
# 0    Nik             90              95          100                   1          285
# 1   Kate             95              95           95                   2          285
# 2  Kevin             75              75           50                   3          200
# 3   Evan             93              65           75                   4          233
# 4   Jane             60              50           90                   5          200

Таким образом, мы можем безопасно суммировать значения по строкам, не включая ненужные столбцы.

В следующем разделе вы узнаете, как вычислить сумму в Pandas DataFrame, когда данные сгруппированы с использованием groupby.

Рассчитать сумму группы Pandas Dataframe

# Загрузка примера DataFrame с использованием Pandas
import pandas as pd

df = pd.DataFrame.from_dict({
    'Name': ['Nik', 'Kate', 'Kevin', 'Evan', 'Jane', 'Kyra', 'Melissa'],
    'Gender': ['Male', 'Female', 'Male', 'Male', 'Female', 'Female', 'Female'],
    'January_Sales': [90, 95, 75, 93, 60, 85, 75],
    'February_Sales': [95, 95, 75, 65, 50, 85, 100],
    'March_Sales': [100, 95, 50, 75, 90, 50, 80],
})

print(df.head())

# Возвращает:
#     Name  Gender  January_Sales  February_Sales  March_Sales
# 0    Nik    Male             90              95          100
# 1   Kate  Female             95              95           95
# 2  Kevin    Male             75              75           50
# 3   Evan    Male             93              65           75
# 4   Jane  Female             60              50           90

Сгруппируем наши данные и сложим все числовые столбцы:

# Группировка данных по столбцу 'Gender' и суммирование значений
grouped = df.groupby('Gender').sum()
print(grouped)

# Возвращает:
#         January_Sales  February_Sales  March_Sales
# Gender
# Female            315             330          315
# Male              258             235          225

Мы можем увидеть, что, сначала группируя наши данные по Gender, а затем суммируя значения в dataframe, получаем сумму по столбцам на основе группировки по полу.

Заключение

В этом уроке вы узнали, как использовать метод суммирования в Pandas для вычисления сумм в датафреймах. Вы научились добавлять значения построчно и поколоночно. Вы также узнали, как добавлять столбцы по условиям и складывать значения в сгруппированном датафрейме.

Дополнительные ресурсы

Ознакомьтесь со ссылками ниже, чтобы узнать о связанных темах:

  • Функция ранжирования Pandas: ранжирование данных Dataframe (эквивалент SQL row_number)

  • Pandas Describe: Описательная статистика по вашему фрейму данных

  • Дисперсия Pandas: расчет дисперсии столбца Pandas Dataframe

  • Среднее значение Pandas: вычисление среднего значения Pandas для одного или нескольких столбцов

Что, если мы захотим присвоить индекс, чтобы строки было легче различать? Мы можем сделать это с помощью . Давайте посмотрим, как это выглядит:

Теперь, когда мы складываем значения наших строк, возможно, не имеет смысла включать последний столбец. Допустим, мы хотим включить только те столбцы, которые содержат слово "Sales". Для этого мы можем в столбец или нет.

Вы можете узнать больше о том, как это сделать, в этом руководстве, изучив, как . Чтобы это сделать, мы сначала используем Pandas, чтобы получить столбцы нашего DataFrame в виде списка

Вы можете узнать больше о том, как это сделать в этом руководстве, изучив, как . Для этого мы сначала используем Pandas, чтобы получить столбцы нашего DataFrame как список

В этом заключительном разделе вы узнаете, как вычислить сумму в Pandas DataFrame при группировке данных с помощью . Для этого мы изменим наш датафрейм, добавив столбец с полом продавца. Это позволит сгруппировать данные по полу и подсчитать итоги по полу.

Теперь мы можем группировать наши данные , чтобы сгруппировать их по полу. Чтобы узнать больше о группировке данных с помощью метода groupby, посмотрите мое видео здесь:

Чтобы узнать больше о функции sum в Pandas, ознакомьтесь с .

метода Pandas set_index
создать генератор списков, который проверяет, входит ли слово "Sales"
итерировать по столбцам и проверять условие
перебирать столбцы и проверять условие
метода groupby
используя метод groupby
официальной документацией здесь
Загрузка образца Pandas Dataframe
Вычислить сумму столбца Pandas Dataframe
Вычислить сумму строки Pandas Dataframe
Добавьте столбцы Pandas Dataframe вместе
Добавьте столбцы Pandas Dataframe, которые соответствуют условию
Рассчитать сумму группы Pandas по кадру данных
Заключение
Дополнительные ресурсы