dataframe 多元素求和

要计算 DataFrame 中多个元素的求和，你可以使用 `sum()` 函数。该函数可以按列或按行计算求和。

如果你想按列求和，可以通过指定 `axis` 参数为 0 来实现。例如：

import pandas as pd

# 创建示例 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 按列求和
col_sum = df.sum(axis=0)

print(col_sum)

输出结果为：

A     6
B    15
C    24
dtype: int64

如果你想按行求和，可以通过指定 `axis` 参数为 1 来实现。例如：

import pandas as pd

# 创建示例 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 按行求和
row_sum = df.sum(axis=1)

print(row_sum)

输出结果为：

0    12
1    15
2    18
dtype: int64

希望对你有所帮助！如果有任何问题，请随时提问。

相关问题

DataFrame 如何根据整行为空 去分割成多个DataFrame

你可以通过以下步骤将一个DataFrame按照行为空分割成多个DataFrame：

1. 使用`isnull()`函数检测DataFrame中的空值并返回一个布尔值DataFrame。
2. 使用`any(axis=1)`函数检测每行是否存在空值，并返回一个布尔值Series。
3. 使用`cumsum()`函数对布尔值Series进行累加求和，并返回一个新的Series。这个Series的值表示从上到下第几个空行。
4. 使用`groupby()`函数按照上一步得到的Series进行分组，并返回一个Groupby对象。
5. 使用`dict()`函数将分组后的每个组转换成一个字典，并返回一个字典。
6. 遍历字典中的每个元素，将其转换成一个DataFrame，并添加到一个列表中。
7. 返回列表中的所有DataFrame。

这里是一个示例代码：

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({'A': [1, 2, None, 4, None], 'B': [5, None, 7, None, 9]})

# 检测空值，并返回一个布尔值DataFrame
mask = df.isnull()

# 检测每行是否存在空值，并返回一个布尔值Series
row_has_null = mask.any(axis=1)

# 对布尔值Series进行累加求和，并返回一个新的Series
groups = row_has_null.cumsum()

# 按照上一步得到的Series进行分组，并返回一个Groupby对象
grouped = df.groupby(groups)

# 将分组后的每个组转换成一个字典，并返回一个字典
dict_of_dfs = dict(iter(grouped))

# 遍历字典中的每个元素，将其转换成一个DataFrame，并添加到一个列表中
dfs = []
for key, value in dict_of_dfs.items():
    dfs.append(value)
    
# 返回列表中的所有DataFrame
print(dfs)

运行以上代码，会输出一个包含多个DataFrame的列表，其中每个DataFrame都是原始DataFrame中的一段，这些段之间由空行分隔。

DataFrame常用方法

DataFrame是Pandas库中最常用的数据结构之一，它类似于Excel表格，由多行多列的数据组成。下面介绍一些DataFrame常用的方法：

1. head()和tail()方法：分别返回DataFrame的前几行和后几行数据，默认返回前/后五行。

2. info()方法：查看DataFrame的基本信息，包括列名、数据类型、非空值数量、内存占用等。

3. describe()方法：返回DataFrame的基本统计信息，包括计数、平均值、标准差、最小值、最大值等。

4. shape属性：返回DataFrame的行数和列数。

5. columns属性：返回DataFrame的列名。

6. index属性：返回DataFrame的索引。

7. loc[]方法：通过标签定位数据，例如df.loc[0]表示返回第一行数据。

8. iloc[]方法：通过位置定位数据，例如df.iloc[0]表示返回第一行数据。

9. drop()方法：删除指定行或列，需要指定axis参数，axis=0表示删除行，axis=1表示删除列。

10. drop_duplicates()方法：去重，可以指定去重的列。

11. groupby()方法：按照指定列进行分组，可以对分组后的数据进行聚合操作，例如求平均值、求和等。

12. merge()方法：合并多个DataFrame，需要指定合并的列。

13. pivot_table()方法：创建数据透视表，用于对数据进行汇总和分析。

14. apply()方法：对DataFrame中的每个元素应用指定的函数。

15. sort_values()方法：按照指定列排序。

16. set_index()方法：将指定列设置为索引。

这些方法只是DataFrame中的一部分常用方法，还有很多其他方法可以根据需要使用。