dataframe列循环相加

实现 DataFrame 列的循环相加
对于想要实现 Pandas DataFrame 的列之间进行累加操作的需求，推荐采用矢量化的方法而非显式的 Python for 循环。这种方法不仅提高了代码的简洁性和可读性，还显著提升了性能效率。
下面展示了一个具体的例子，该例子创建了一个简单的 DataFrame 并实现了对其指定两列之间的逐元素求和：
import pandas as pd

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

# 使用向量化的 add 函数来进行列间的加法运算
result_column = df['A'].add(df['B'])

print(result_column)
登录后复制
上述代码片段利用了 Pandas 提供的强大内置函数 .add() 来完成两个 Series 对象间对应位置数值的相加工作[^3]。
当面对更加复杂的情况——比如需要对多于两列的数据做累积求和时，则可以通过如下方式达成目标：
# 假设现在我们有一个更多列的 DataFrame
extended_data = {
'Col_0': range(10),
'Col_1': range(10, 20),
'Col_2': range(20, 30),
}
multi_columns_df = pd.DataFrame(extended_data)

# 计算所有选定列的总和形成新的单个 Series
sum_of_selected_cols = multi_columns_df[['Col_0', 'Col_1']].sum(axis=1)

print(sum_of_selected_cols)
登录后复制
此段程序展示了如何选取特定几列并通过调用 .sum() 方法沿水平方向（即按行）计算它们各自的合计值，从而得到一个新的单一维度的结果序列。
为了进一步优化性能，在处理非常庞大的数据集时应当考虑使用 NumPy 数组配合 Pandas 进行高效的操作，这有助于减少内存占用的同时加快执行速度。