【Pandas】pandas DataFrame sum

Pandas2.2 DataFrame

Computations descriptive stats

方法	描述
DataFrame.abs()	用于返回 DataFrame 中每个元素的绝对值
DataFrame.all([axis, bool_only, skipna])	用于判断 DataFrame 中是否所有元素在指定轴上都为 True
DataFrame.any(*[, axis, bool_only, skipna])	用于判断 DataFrame 中是否至少有一个元素在指定轴上为 True
DataFrame.clip([lower, upper, axis, inplace])	用于截断（限制）DataFrame 中的数值
DataFrame.corr([method, min_periods, ...])	用于计算 DataFrame 中各列之间的相关系数矩阵（Correlation Matrix）
DataFrame.corrwith(other[, axis, drop, ...])	用于计算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 中对应列的相关系数
DataFrame.count([axis, numeric_only])	用于统计 DataFrame 中每列或每行的非空（非 NaN）元素数量
DataFrame.cov([min_periods, ddof, numeric_only])	用于计算 DataFrame 中每对列之间的协方差
DataFrame.cummax([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最大值（cumulative maximum）
DataFrame.cummin([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最小值（cumulative minimum）
DataFrame.cumprod([axis, skipna])	用于计算 DataFrame 中每列或每行的累计乘积（cumulative product）
DataFrame.cumsum([axis, skipna])	用于计算 DataFrame 中每列或每行的累计和（cumulative sum）
DataFrame.describe([percentiles, include, ...])	用于快速生成数据集的统计摘要（summary statistics）
DataFrame.diff([periods, axis])	用于计算 DataFrame 中相邻行或列之间的差值（差分）
DataFrame.eval(expr, *[, inplace])	用于在 DataFrame 上下文中高效地执行字符串形式的表达式运算
DataFrame.kurt([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的峰度（Kurtosis）
DataFrame.kurtosis([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的峰度（Kurtosis）
DataFrame.max([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的最大值（maximum）
DataFrame.mean([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的平均值（mean）
DataFrame.median([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的中位数（median）
DataFrame.min([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的最小值（minimum）
DataFrame.mode([axis, numeric_only, dropna])	用于查找 众数（出现频率最高的值） 的方法
DataFrame.pct_change([periods, fill_method, ...])	用于计算 百分比变化 的方法
DataFrame.prod([axis, skipna, numeric_only, ...])	用于计算 每列或每行元素的乘积 的方法
DataFrame.product([axis, skipna, ...])	用于计算 DataFrame 中每列或每行所有元素的乘积
DataFrame.quantile([q, axis, numeric_only, ...])	用于计算 分位数（Quantiles） 的方法
DataFrame.rank([axis, method, numeric_only, ...])	用于计算 DataFrame 中每列或每行元素的排名（rank）
DataFrame.round([decimals])	用于对 DataFrame 中的数值进行四舍五入
DataFrame.sem([axis, skipna, ddof, numeric_only])	用于计算 标准误（Standard Error of the Mean, SEM），即样本均值的标准差
DataFrame.skew([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的偏度（Skewness）
DataFrame.sum([axis, skipna, numeric_only, ...])	用于计算 DataFrame 中每列或每行所有元素的总和

pandas.DataFrame.sum()

pandas.DataFrame.sum() 方法用于计算 DataFrame 中每列或每行所有元素的总和。它是数据分析中最常用的方法之一，常用于统计汇总、特征工程、数据聚合等场景。

---

📌 方法签名：

DataFrame.sum(axis=0, skipna=True, numeric_only=False, min_count=0, **kwargs)

---

🧾 参数说明：

参数	类型	默认值	描述
axis	{0/'index', 1/'columns'}	0

• 0：按列计算总和（默认）
• 1：按行计算总和 |
  | skipna | bool | True | 是否跳过 NaN 值。若为 False，含 NaN 的列/行结果也为 NaN。 |
  | numeric_only | bool | False | 是否只考虑数值类型列（int、float），忽略布尔、字符串等非数值列 |
  | min_count | int | 0 | 需要参与运算的最小非空值数量。如果非空值数量小于该值，则结果为 NaN |
  | **kwargs | dict | 无 | 其他可选参数 |

---

📊 返回值

• 返回一个 Series，表示每列（或每行）所有元素的总和。
• 如果某列/行中没有足够多的非空值（由 min_count 控制），则对应位置的结果为 NaN。
• 非数值列会被自动忽略（除非设置 numeric_only=False 且列可以相加，如字符串拼接）。

---

✅ 示例及结果

示例数据：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [10, 20, 30],
    'C': [100, 200, 300],
    'D': ['a', 'b', 'c']
})

输出原始数据：

   A   B    C  D
0  1  10  100  a
1  2  20  200  b
2  3  30  300  c

---

示例 1：默认参数（按列求和）

df.sum()

结果：

A      6
B     60
C    600
D      abc
dtype: object

解释：

• 数值列正常求和
• 字符串列 'D' 被拼接成 'abc'（因为 numeric_only=False）

---

示例 2：设置 numeric_only=True（仅数值列）

df.sum(numeric_only=True)

结果：

A      6
B     60
C    600
dtype: int64

解释：

• 忽略字符串列 'D'，只对数值列求和

---

示例 3：按行求和（axis=1）

df['E'] = df[['A', 'B', 'C']].sum(axis=1)  # 新增一列 E 表示每行的数值总和

结果：

   A   B    C  D    E
0  1  10  100  a  111
1  2  20  200  b  222
2  3  30  300  c  333

解释：

• 每行数值列相加得到新列 E

---

示例 4：包含 NaN 值时的行为

df_with_nan = pd.DataFrame({
    'X': [1, 2, np.nan],
    'Y': [np.nan, 10, 20]
})

df_with_nan.sum()

结果：

X     3.0
Y    30.0
dtype: float64

解释：

• 默认 skipna=True，NaN 被跳过
• 若设置 skipna=False，则结果为 NaN

---

示例 5：使用 min_count 参数控制最少非空值数量

df_with_nan.sum(min_count=2)

结果：

X     NaN
Y    30.0
dtype: float64

解释：

• 列 X 只有 2 个非空值，但 min_count=2 → 正常求和
• 列 Y 有 2 个非空值 → 正常求和

---

示例 6：字符串列拼接行为

df[['D']].sum()

结果：

D    abc
dtype: object

解释：

• 字符串列默认会进行拼接操作（类似 'a' + 'b' + 'c'）

---

⚠️ 注意事项

• 支持数值列、布尔列、字符串列（拼接）
• 使用 numeric_only=True 可避免报错并仅处理数值列
• NaN 值默认被跳过（可通过 skipna=False 控制）
• min_count 控制是否允许少量非空值参与计算
• 不会影响原始 DataFrame，返回新 Series

---

🎯 适用场景

场景	描述
数据汇总	对多个数值列进行快速求和
特征工程	构造新特征，如"历史累计总和"
缺失值分析	结合 min_count 分析缺失情况
字符串拼接	快速合并文本列内容

---

📋 总结

特性	描述
功能	计算 DataFrame 每列或每行的总和
默认行为	按列计算，跳过 NaN，处理所有列
是否修改原数据	否，返回新 Series
适用类型	数值型列（int、float）、字符串列（可选）
输出类型	Series，索引为列名（axis=0）或行索引（axis=1）

sum() 是一个非常基础但重要的方法，适合用于快速获取数据总量、特征构造、数据质量检查等任务。