python dataframe 行求和

使用 pandas 库中的 `sum()` 函数可以对 DataFrame 中的行进行求和。例如，假设有以下 DataFrame：

import pandas as pd

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

可以使用以下代码对每一行进行求和：

row_sums = df.sum(axis=1)
print(row_sums)

输出：

0     12
1     15
2     18
dtype: int64

其中，`axis=1` 表示对行进行求和，`axis=0` 则表示对列进行求和。

相关问题

python dataframe求和

Python中的DataFrame可以使用sum()函数对数据进行求和操作。例如，对于一个DataFrame df，可以使用df.sum()来对所有列进行求和，也可以使用df['列名'].sum()来对指定列进行求和。

python语言 DataFrame行列求和

在Python中的Pandas库中，DataFrame中的行列求和可以使用sum()函数来实现。

对于DataFrame中的行求和，可以使用axis参数指定为1，表示沿着行方向进行求和，例如：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
row_sum = df.sum(axis=1)
print(row_sum)

输出结果为：

0     12
1     15
2     18
dtype: int64

对于DataFrame中的列求和，可以使用sum()函数直接对DataFrame进行求和，例如：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
col_sum = df.sum()
print(col_sum)

输出结果为：

A     6
B    15
C    24
dtype: int64

注意：在使用sum()函数时需要注意数据类型是否匹配，否则可能会出现错误。