pd.dataframe().sum()

这是一个 Pandas 库中的 DataFrame 类的方法，用于计算 DataFrame 中每列的总和。具体来说，它会返回一个 Series，其中每个元素对应 DataFrame 中每列的总和。示例代码如下：

import pandas as pd

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

# 计算每列的总和
col_sum = df.sum()

# 打印结果
print(col_sum)

输出：

A     6
B    15
C    24
dtype: int64

相关问题

pd.dataframe用法

Pandas中的DataFrame是一种二维数据结构，类似于Excel中的表格。可以使用pd.DataFrame()函数创建一个DataFrame。常用的参数有：
- data: 二维数组或其它可以转换成DataFrame的对象，如列表、字典、Series等。
- columns: 列名
- index: 行索引

例如，可以用下面的代码创建一个DataFrame:

import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': [25, 30, 35],
        'city': ['New York', 'Los Angeles', 'Chicago']}
df = pd.DataFrame(data)

可以使用下标访问DataFrame中的数据，如df[0]或df['name']。也可以使用布尔索引筛选数据，如df[df['age'] > 30]。DataFrame还提供了很多用于数据处理和统计分析的方法，如groupby、agg、sum等。

pd.DataFrame用法

`pd.DataFrame` 是 pandas 库中的一个类，用于创建和操作二维表格数据。下面是一些常用的用法：

### 创建 DataFrame

可以从各种数据源创建 DataFrame，例如：

- 从 list 或 ndarray 创建 DataFrame：

import pandas as pd

data = [['Alice', 20], ['Bob', 25], ['Charlie', 30]]
df = pd.DataFrame(data, columns=['Name', 'Age'])
print(df)

输出：

       Name  Age
0     Alice   20
1       Bob   25
2  Charlie   30

- 从 dictionary 创建 DataFrame：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [20, 25, 30]}
df = pd.DataFrame(data)
print(df)

输出：

       Name  Age
0     Alice   20
1       Bob   25
2  Charlie   30

### 数据操作

DataFrame 支持各种数据操作，例如：

- 选择行或列：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [20, 25, 30]}
df = pd.DataFrame(data)

# 选择第一行
print(df.loc[0])

# 选择 'Name' 列
print(df['Name'])

输出：

Name     Alice
Age         20
Name: 0, dtype: object
0       Alice
1         Bob
2    Charlie
Name: Name, dtype: object

- 添加新列：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [20, 25, 30]}
df = pd.DataFrame(data)

# 添加新列 'Gender'
df['Gender'] = ['F', 'M', 'M']
print(df)

输出：

       Name  Age Gender
0     Alice   20      F
1       Bob   25      M
2  Charlie   30      M

- 删除行或列：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [20, 25, 30]}
df = pd.DataFrame(data)

# 删除第一行
df = df.drop(0)

# 删除 'Age' 列
df = df.drop('Age', axis=1)

print(df)

输出：

       Name
1       Bob
2  Charlie

### 数据统计

DataFrame 支持各种数据统计，例如：

- 求和：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [20, 25, 30]}
df = pd.DataFrame(data)

# 计算 'Age' 列的和
print(df['Age'].sum())

输出：

75

- 求均值：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [20, 25, 30]}
df = pd.DataFrame(data)

# 计算 'Age' 列的均值
print(df['Age'].mean())

输出：

25.0

- 求标准差：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [20, 25, 30]}
df = pd.DataFrame(data)

# 计算 'Age' 列的标准差
print(df['Age'].std())

输出：

4.08248290463863

这只是一些常用的用法，pandas 还有很多功能和用法，可以参考官方文档了解更多。