pandas 行求和

在 Pandas 中，你可以使用 `.sum()` 方法来对行或列进行求和。假设你有一个名为 `df` 的数据框，其中包含三列 `a`、`b` 和 `c`，你可以使用以下代码来计算每行的和：

df['sum'] = df.sum(axis=1)

这将在数据框中添加一个名为 `sum` 的新列，其中包含每行的和。`axis=1` 参数表示在行方向上进行求和，如果你想对列进行求和，可以将 `axis` 参数设置为 `0`。

如果你只想对特定的列进行求和，可以使用以下代码：

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

这将在数据框中添加一个名为 `sum` 的新列，其中包含每行的 `a` 和 `b` 列的和。

相关问题

pandas 分组求和

以下是使用pandas进行分组求和的示例：

import pandas as pd

# 创建一个示例数据集
data = {'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'],
        'Subject': ['Math', 'Math', 'Math', 'Science', 'Science', 'Science'],
        'Score': [80, 90, 85, 70, 75, 65]}
df = pd.DataFrame(data)

# 按照姓名进行分组，并求每个人的总分
grouped = df.groupby('Name')
sum_scores = grouped['Score'].sum()

print(sum_scores)

输出结果为：

Name
John    150
Nick    165
Tom     150
Name: Score, dtype: int64

这里我们首先导入pandas库，并创建一个示例数据集。然后使用`groupby`函数按照姓名进行分组，并使用`sum`函数求每个人的总分。最后打印出每个人的总分。

pandas区间求和

要在 pandas 中求区间的和，可以使用 `pd.cut()` 函数将数据分组到指定的区间中，然后使用 `groupby()` 函数对分组后的数据进行求和。

以下是一个示例代码，假设我们有一个包含数值数据的 pandas DataFrame `df`，我们要求区间为 `[0, 10), [10, 20), [20, 30)` 的和：

import pandas as pd

# 创建示例数据
data = {'value': [5, 15, 25, 8, 12, 22]}
df = pd.DataFrame(data)

# 定义区间边界
bins = [0, 10, 20, 30]

# 使用 pd.cut() 函数将数据分组到指定的区间中
df['bin'] = pd.cut(df['value'], bins=bins)

# 使用 groupby() 函数对分组后的数据进行求和
sum_by_bin = df.groupby('bin')['value'].sum()

print(sum_by_bin)

运行以上代码，会得到每个区间的和作为输出。

注意：区间的定义是左开右闭（左边界包括在内，右边界不包括在内）。如果需要更改区间的定义，可以调整 `bins` 参数的值。