pandas sum函数

pandas sum函数用于计算数据框或序列中的值的总和。

语法：DataFrame.sum(axis=None, skipna=None, level=None, numeric_only=None, min_count=0)

参数：

- axis：指定计算的轴，0表示计算每列的总和，1表示计算每行的总和，如果不指定则计算所有值的总和。
- skipna：是否跳过NaN值，默认为True，表示跳过NaN值，False表示不跳过NaN值。
- level：多层索引时，指定计算的索引层级。
- numeric_only：是否只计算数值类型，默认为True，表示只计算数值类型的值。
- min_count：指定非NaN值的最小数量，如果少于指定数量则返回NaN。

示例：

import pandas as pd

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

# 计算每一列的总和
print(df.sum(axis=0))

# 计算每一行的总和
print(df.sum(axis=1))

# 计算指定层级索引的总和
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]},
                  index=[['a', 'a', 'b'], [1, 2, 1]])
print(df.sum(level=0))

# 计算数值类型的总和
df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})
print(df.sum(numeric_only=True))

# 计算非NaN值数量大于等于2的总和
df = pd.DataFrame({'A': [1, 2, None], 'B': [None, 5, 6]})
print(df.sum(min_count=2))

输出：

A     6
B    15
C    24
dtype: int64

0    12
1    15
2    18
dtype: int64

   A   B   C
a  3   9  15
b  3   6   9

A    6
dtype: int64

A    3.0
B    5.0
dtype: float64