pandas 行求和

以下是使用pandas进行行求和的方法：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 对每一行进行求和
df['row_sum'] = df.sum(axis=1)

# 输出结果
print(df)

输出结果为：

   A  B  C  row_sum
0  1  4  7       12
1  2  5  8       15
2  3  6  9       18

其中，`axis=1`表示对每一行进行求和，`df['row_sum']`表示将求和结果存储在一个新的列中。

相关问题

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。

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。