Pandas:给定列的数据帧行之和

我有以下数据框架:

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

我想添加一个列'e'，它是列'a'， 'b'和'd'的和。

在浏览论坛时，我认为这样做是可行的:

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

但事实并非如此。

我想知道以列['a', 'b', 'd']和df作为输入的适当操作。

485018 次浏览
小开

如果你只有几列要求和，你可以这样写:

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

这将创建新列e，其值为:

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

对于较长的列列表，首选EdChum的答案。

小开
最佳答案

你可以只sum并设置参数axis=1来对行求和，这将忽略任何数字列:

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)
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

如果你只想对特定的列求和，那么你可以创建一个列列表，并删除你不感兴趣的列:

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
小开

这是一种使用iloc选择要求和的列的更简单的方法:

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)

生产:

   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

我找不到一种方法来结合一个范围和特定的列，例如:

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

创建一个要相加的列名列表。

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

如果你想要某些行的和，使用':'指定行

小开

你可以简单地将传递你的数据框架转换为下面的函数:

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:

我有一个数据帧(awards_frame)如下:

enter image description here

.．.并且我想创建一个新列，显示每行奖励的总和:

使用:

我简单地将我的awards_frame传递到函数中，并指定新列的的名字和要求和的列名的列表:

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

结果:

enter image description here

小开

当列按顺序排列时，遵循语法对我有帮助

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

这里最短最简单的方法就是使用

df.eval('e = a + b + d')
小开

你可以使用函数aggragate或agg:

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

agg的优点是你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

提交答案