pandas.DataFrame.sum#

DataFrame.sum(axis=None, skipna=True, level=None, numeric_only=None, min_count=0, **kwargs)[源代码]#

返回请求的轴上的值的总和。

这等同于方法 numpy.sum 。

参数

axis{索引(0)，列(1)}: 要应用的函数的轴。
skipna布尔值，默认为True: 计算结果时排除NA/NULL值。
levelInt或Level名称，默认为无: 如果轴是多索引(分层)，则沿特定级别计数，折叠为系列。
numeric_only布尔默认为无: 包括浮点型、整型、布尔型列。如果没有，将尝试使用所有内容，然后仅使用数字数据。未针对系列实施。
min_count整型，默认为0: 执行操作所需的有效值数。如果少于 min_count 如果存在非NA值，则结果将为NA。
**kwargs: 要传递给函数的其他关键字参数。

退货

序列或DataFrame(如果指定了级别)

参见

Series.sum: 退还这笔钱。
Series.min: 返回最小值。
Series.max: 返回最大值。
Series.idxmin: 返回最小值的索引。
Series.idxmax: 返回最大值的索引。
DataFrame.sum: 返回请求的轴上的总和。
DataFrame.min: 返回请求的轴上的最小值。
DataFrame.max: 返回请求的轴上的最大值。
DataFrame.idxmin: 返回所请求的轴上的最小值的索引。
DataFrame.idxmax: 返回请求的轴上的最大值的索引。

示例

>>> idx = pd.MultiIndex.from_arrays([
...     ['warm', 'warm', 'cold', 'cold'],
...     ['dog', 'falcon', 'fish', 'spider']],
...     names=['blooded', 'animal'])
>>> s = pd.Series([4, 2, 0, 8], name='legs', index=idx)
>>> s
blooded  animal
warm     dog       4
         falcon    2
cold     fish      0
         spider    8
Name: legs, dtype: int64

>>> s.sum()
14

默认情况下，空系列或全NA系列的总和为 0 。

>>> pd.Series([], dtype="float64").sum()  # min_count=0 is the default
0.0

这可以使用 min_count 参数。例如，如果希望空数列的和为NaN，则传递 min_count=1 。

>>> pd.Series([], dtype="float64").sum(min_count=1)
nan

多亏了 skipna 参数， min_count 以相同的方式处理全NA和空序列。

>>> pd.Series([np.nan]).sum()
0.0

>>> pd.Series([np.nan]).sum(min_count=1)
nan

pandas.DataFrame.subtract

pandas.DataFrame.swapaxes