Pandas Sum -Spalte

In diesem Artikel wird zeigen, wie alle oder bestimmte Spalten in einem Pandas -Datenframe mit Python zusammengefasst werden können. Der Datenrahmen.SUM () -Funktion wird zusammen mit einigen hilfreichen Parametern in den zahlreichen Beispielen dieses Tutorials verwendet.

Der 'DataFrame.sum () 'Funktion in Pandas gibt die Gesamtsumme für die angegebene Achse zurück. Wenn die Eingabe eine Achse des Index ist, fügt die Funktion die Werte jeder Spalte einzeln hinzu. Dann erledigt es für jede Spalte dasselbe und gibt eine Serie zurück, die die Summe der Daten/Werte in jeder Spalte speichert. Darüber hinaus unterstützt es die Berechnung der Summe des DataFrame, indem die fehlenden Werte ignoriert werden.

Syntax

Pandas.DataFrame_Object.sum (axis = Keine, Skipna = Keine, Level = Keine, numeric_only = none, min_count = 0, ** kwargs)

Parameter

1. Achse: Spalten (1), Index (0)
2. Skippa: Ignorieren Sie die Na/Null -Werte bei der Berechnung des Ergebnisses.
3. eben: Wenn die angegebene Achse hierarchisch ist (ein Multi-Index), zählen Sie auf eine bestimmte Indexebene, bevor Sie in eine Serie konvertieren.
4. nur numerisch: Nur Float, INT und Boolesche Spalten sind akzeptabel. Wenn keine, versuchen Sie alles zu verwenden. Wenn nicht, nur numerische Daten. Für Serien nicht implementiert.
5. min_count: Die Anzahl der möglichen Werte, die zum Abschluss des Betriebs erforderlich sind. Das Ergebnis wird na sein, wenn weniger Nicht-NA-Werte vorhanden sind als min_count.

Zurückkehren

DataFrame (falls festgelegt) oder Serie.

Datenrahmen

Für alle Beispiele werden wir den folgenden "Analyse" -Datenrahmen verwenden. Es hält 12 Zeilen mit 5 Spalten.

Pandas importieren
# Erstellen Sie den DataFrame mithilfe von Listen
Analyse = Pandas.DataFrame ([23, Sravan ', 1000,34,56],
[23, 'Sravan', 700,11,0],
[23, 'Sravan', 20,4,2],
[21, 'Siva', 400,32,45],
[21, 'Siva', 100.456,78],
[23, 'Sravan', 00,90,12],
[21, 'Siva', 400,32,45],
[20, 'Sahaja', 120,1,67],
[23, 'Sravan', 00,90,12],
[22, 'Suryam', 450,76,56],
[22, 'Suryam', 40,0,1],
[22, 'Suryam', 12,45,0]
], Spalten = ['ID', 'Name', 'Punkte 3', 'Punkte', 'Punkte2'])
# Zeigen Sie den DataFrame - Analyse an
print (Analyse)

Ausgang

ID Name Punkte3 Punkte1 Punkte2
0 23 Sravan 1000 34 56
1 23 Sravan 700 11 0
2 23 Sravan 20 4 2
3 21 Siva 400 32 45
4 21 Siva 100 456 78
5 23 Sravan 0 90 12
6 21 Siva 400 32 45
7 20 Sahaja 120 1 67
8 23 Sravan 0 90 12
9 22 Suryam 450 76 56
10 22 Suryam 40 0 ​​1
11 22 Suryam 12 45 0

Hier sind die Spalten "ID", "Punkte", "Punkte2" und "Punkte1" numerisch, und stellen Sie sicher, dass Sie den Datenrahmen für alle Beispiele laden müssen, die wir in diesem Tutorial diskutieren.

Szenario 1: Summe aller Spalten

Wir können SUM () direkt auf den DataFrame anwenden, um die Wertesumme in jeder Spalte zurückzugeben.

Pandas.DataFrame_Object.Summe()

Beispiel

# Geben Sie die Wertsumme in allen Spalten zurück
Print (Analyse.Summe())

Ausgang

ID 264
Nennen Sie Sravansravansravansivasivasravansivasahajasrav…
Punkte3 3242
Punkte1 871
Punkte2 374

Erläuterung

Sie können sehen, dass die Wertsumme in jeder Spalte zurückgegeben wird.

Szenario 2: Summe einer bestimmten Spalte

Wenn Sie die Wertesumme in einer bestimmten Spalte zurückgeben möchten, müssen Sie den Spaltennamen und das DataFrame -Objekt angeben.

Pandas.DataFrame_Object ['Spalte'].Summe()

Beispiel

Lassen Sie uns die Wertesumme in den Spalten "Punkte", "Punkte2" und "Punkte3" getrennt zurückgeben.

# Geben Sie die Wertesumme in Spalte1 Spalte1 zurück
print (Analyse ['Punkte1'].Summe())
# Geben Sie die Wertesumme in Spalte 2 Punkte 2 zurück
print (Analyse ['Punkte2'].Summe())
# Geben Sie die Wertesumme in Spalte3 Spalte3 zurück
print (Analyse ['Punkte3'].Summe())

Ausgang

871
374
3242

Erläuterung

1. Die Summe der Werte in der Spalte Punkte1 beträgt 871.
2. Die Summe der Werte in der Spalte 2 Punkte beträgt 374.
3. Die Summe der Werte in der Spalte Punkte3 beträgt 3242.

Szenario 3: Summe über Reihen hinweg

Wenn Sie die Wertesumme in jeder Zeile zurückgeben möchten, müssen Sie den Parameter der Achsen in der Funktion sum () angeben und auf 1 einstellen.

Pandas.DataFrame_Object [[Spalte/s…]].sum (axis = 1)

Beispiel

Lassen Sie uns die Wertesumme von 'Punkten', 'Punkten2' und 'Punkten3' über alle Zeilen zurückgeben und das Ergebnis in der Spalte "Summe" speichern.

# Geben Sie die Wertesumme in jeder Zeile zurück
Analyse ['sum'] = Analyse [['Punkte1', 'Punkte2', 'Punkte3']].sum (axis = 1)
print (Analyse)

Ausgang

ID Name Punkte 3 Punkte1 Punkte2 Summe
0 23 Sravan 1000 34 56 1090
1 23 Sravan 700 11 0 711
2 23 Sravan 20 4 2 26
3 21 Siva 400 32 45 477
4 21 Siva 100 456 78 634
5 23 Sravan 0 90 12 102
6 21 Siva 400 32 45 477
7 20 Sahaja 120 1 67 188
8 23 Sravan 0 90 12 102
9 22 Suryam 450 76 56 582
10 22 Suryam 40 0 ​​1 41
11 22 Suryam 12 45 0 57

Erläuterung

Jetzt hält die neue Spalte - 'sum' die Summe von drei Punkten.

Wir können auch über Zeilen hinzufügen, ohne SUM () zu verwenden (). Durch die Verwendung des „+“ -Preibers können wir die vorherige Funktionalität erreichen.

Beispiel

1. Fügen Sie Werte in Spalten 1 und Punkte2 hinzu und speichern Sie das Ergebnis in der ''2 hinzugefügt' Spalte.
2. Fügen Sie Werte in Spalten 1, Punkte2 und Punkte3 hinzu und speichern Sie das Ergebnis in der ''3 hinzugefügt' Spalte.

Pandas importieren
# Erstellen Sie den DataFrame mithilfe von Listen
Analyse = Pandas.DataFrame ([23, Sravan ', 1000,34,56],
[23, 'Sravan', 700,11,0],
[23, 'Sravan', 20,4,2],
[21, 'Siva', 400,32,45],
[21, 'Siva', 100.456,78],
[23, 'Sravan', 00,90,12],
[21, 'Siva', 400,32,45],
[20, 'Sahaja', 120,1,67],
[23, 'Sravan', 00,90,12],
[22, 'Suryam', 450,76,56],
[22, 'Suryam', 40,0,1],
[22, 'Suryam', 12,45,0]
], Spalten = ['ID', 'Name', 'Punkte 3', 'Punkte', 'Punkte2'])
# Werte in Spalten 1 und Punkte2 hinzufügen und das Ergebnis in der Spalte '2 hinzugefügt' speichern
Analyse ['2 hinzugefügt'] = Analyse ['Punkte1']+Analyse ['Punkte2']
# Werte in Punkten1, Punkten2 und Punkten2Columns hinzufügen und das Ergebnis in der Spalte '3 hinzugefügt' speichern
Analyse ['3 hinzugefügt'] = Analyse ['Punkte1']+Analyse ['Punkte2']+Analyse ['Punkte3']
print (Analyse)

Ausgang

ID -Name Punkte 3 Punkte1 Punkte2 2 hinzugefügt 3 hinzugefügt 3 hinzugefügt
0 23 Sravan 1000 34 56 90 1090
1 23 Sravan 700 11 0 11 711
2 23 Sravan 20 4 2 6 26
3 21 SIVA 400 32 45 77 477
4 21 Siva 100 456 78 534 634
5 23 Sravan 0 90 12 102 102
6 21 SIVA 400 32 45 77 477
7 20 Sahaja 120 1 67 68 188
8 23 Sravan 0 90 12 102 102
9 22 Suryam 450 76 56 132 582
10 22 Suryam 40 0 ​​1 1 41
11 22 Suryam 12 45 0 45 57

Szenario 4: sum () mit GroupBy ()

Wenn Sie die Wertesumme für einzelne Gruppen zurückgeben möchten, müssen Sie GroupBy () mit sum () verwenden. So wird GroupBy () verwendet, um die Spaltenwerte in einer bestimmten Spalte zu gruppieren, und sum () gibt die Summe in jeder Gruppe zurück.

Pandas.DataFrame_Object.GroupBy ('Grouping_Column').Summe()

Beispiel

Gruppieren wir die Zeilen basierend auf der Spalte Name und geben die Wertesumme in jeder Gruppe für alle Spalten zurück.

Pandas importieren
# Erstellen Sie den DataFrame mithilfe von Listen
Analyse = Pandas.DataFrame ([23, Sravan ', 1000,34,56],
[23, 'Sravan', 700,11,0],
[23, 'Sravan', 20,4,2],
[21, 'Siva', 400,32,45],
[21, 'Siva', 100.456,78],
[23, 'Sravan', 00,90,12],
[21, 'Siva', 400,32,45],
[20, 'Sahaja', 120,1,67],
[23, 'Sravan', 00,90,12],
[22, 'Suryam', 450,76,56],
[22, 'Suryam', 40,0,1],
[22, 'Suryam', 12,45,0]
], Spalten = ['ID', 'Name', 'Punkte 3', 'Punkte', 'Punkte2'])
# Gruppieren Sie die Zeilen basierend auf der Spalte Name und geben Sie die Wertesumme in jeder Gruppe für alle Spalten zurück
Print (Analyse.GroupBy ('Name').Summe())

Ausgang

ID -Punkte3 Punkte1 Punkte2
Name
Sahaja 20 120 1 67
Siva 63 900 520 168
Sravan 115 1720 229 82
Suryam 66 502 121 57

Erläuterung

Es gibt also 4 Gruppen in der Spalte "Name". Für jede Gruppe wird die Summe von ID, Punkten3, Punkten1 und Punkten2 zurückgegeben.

Abschluss

Wir haben versucht, Ihnen beizubringen, wie Sie die Summe über Datenrahmen über die Methode pandas sum () berechnen können. Wir haben in den Beispielen dieses Beitrags die Zeilen- und Spaltenzusammenadung von Werten besprochen. Zusätzlich haben Sie gelernt, wie man Spalten bedingt hinzufügt und wie man die Werte nach der Gruppierung der Spalte des DataFrame zusammenfasst. Möglicherweise können Sie die Spalten des Datenrahmens zusammenfassen oder die Werte in der Spalte DataFrame selbst zusammenfassen.