Pandas：对给定列的 DataFrame 行求和

问题描述：

我有以下数据框：

In [1]:
df = pd.DataFrame({'a': [1, 2, 3],
                   'b': [2, 3, 4],
                   'c': ['dd', 'ee', 'ff'],
                   'd': [5, 9, 1]})

df
Out [1]:
   a  b   c  d
0  1  2  dd  5
1  2  3  ee  9
2  3  4  ff  1

我想添加一列，它是列和'e'的总和。'a'`'b'`'d'

浏览论坛时，我认为这样的方法可行：

df['e'] = df[['a', 'b', 'd']].map(sum)

但事实并非如此。

我想知道使用列表['a', 'b', 'd']和df输入进行适当的操作。

解决方案 1：

您可以只sum设置并axis=1计算行数之和，这样会忽略非数字列；从 pandas 2.0+ 开始您还需要指定numeric_only=True。

In [91]:

df = pd.DataFrame({'a': [1,2,3], 'b': [2,3,4], 'c':['dd','ee','ff'], 'd':[5,9,1]})
df['e'] = df.sum(axis=1, numeric_only=True)
df
Out[91]:
   a  b   c  d   e
0  1  2  dd  5   8
1  2  3  ee  9  14
2  3  4  ff  1   8

如果您只想对特定列求和，那么您可以创建一个列列表并删除您不感兴趣的列：

In [98]:

col_list= list(df)
col_list.remove('d')
col_list
Out[98]:
['a', 'b', 'c']
In [99]:

df['e'] = df[col_list].sum(axis=1)
df
Out[99]:
   a  b   c  d  e
0  1  2  dd  5  3
1  2  3  ee  9  5
2  3  4  ff  1  7

sum文档

解决方案 2：

如果只有几列需要求和，则可以这样写：

df['e'] = df['a'] + df['b'] + df['d']

e这将创建具有以下值的新列：

   a  b   c  d   e
0  1  2  dd  5   8
1  2  3  ee  9  14
2  3  4  ff  1   8

对于较长的列表，最好使用 EdChum 的答案。

解决方案 3：

创建您想要添加的列名列表。

df['total']=df.loc[:,list_name].sum(axis=1)

如果您想要某些行的总和，请使用“：”指定行

解决方案 4：

这是一个更简单的方法，使用 iloc 来选择要求和的列：

df['f']=df.iloc[:,0:2].sum(axis=1)
df['g']=df.iloc[:,[0,1]].sum(axis=1)
df['h']=df.iloc[:,[0,3]].sum(axis=1)

生成：

   a  b   c  d   e  f  g   h
0  1  2  dd  5   8  3  3   6
1  2  3  ee  9  14  5  5  11
2  3  4  ff  1   8  7  7   4

我找不到将范围和特定列组合起来的方法，例如：

df['i']=df.iloc[:,[[0:2],3]].sum(axis=1)
df['i']=df.iloc[:,[0:2,3]].sum(axis=1)

解决方案 5：

您可以简单地将数据框传递到以下函数中：

def sum_frame_by_column(frame, new_col_name, list_of_cols_to_sum):
    frame[new_col_name] = frame[list_of_cols_to_sum].astype(float).sum(axis=1)
    return(frame)

例子：

我有一个数据框（awards_frame），如下所示：

...我想创建一个新列，显示每行的奖项总和：

用法：

我只需将我的awards_frame传递到函数中，同时指定新列的名称以及要求和的列名列表：

sum_frame_by_column(awards_frame, 'award_sum', ['award_1','award_2','award_3'])

结果：

解决方案 6：

您可以使用该功能aggragate或agg​​：

df[['a','b','d']].agg('sum', axis=1)

这样做的好处agg是可以使用多个聚合函数：

df[['a','b','d']].agg(['sum', 'prod', 'min', 'max'], axis=1)

输出：

   sum  prod  min  max
0    8    10    1    5
1   14    54    2    9
2    8    12    1    4

解决方案 7：

当我按顺序排列列时，以下语法对我有帮助

awards_frame.values[:,1:4].sum(axis =1)

解决方案 8：

这里最短、最简单的方法是使用

df.eval('e = a + b + d')