获取 Pandas 列的总数

Question

我有一个 Pandas 数据框，如下所示，它有多个列，并且想获得列的总数 MyColumn 。

print df

            X           MyColumn      Y              Z
0          A           84         13.0           69.0
1          B           76         77.0          127.0
2          C           28         69.0           16.0
3          D           28         28.0           31.0
4          E           19         20.0           85.0
5          F           84        193.0           70.0

---

_我的尝试_：

我试图使用 groupby 和 .sum() 得到列的总和：

 Total = df.groupby['MyColumn'].sum()

print Total

这会导致以下错误：

 TypeError: 'instancemethod' object has no attribute '__getitem__'

---

预期产出

我预计输出如下：

 319

或者，我希望 df 使用标题为 TOTAL 的新行进行编辑，其中包含总数：

            X           MyColumn      Y              Z
0          A           84         13.0           69.0
1          B           76         77.0          127.0
2          C           28         69.0           16.0
3          D           28         28.0           31.0
4          E           19         20.0           85.0
5          F           84        193.0           70.0
TOTAL                  319

原文由 Enigmatic 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

您应该使用 sum ：

 Total = df['MyColumn'].sum()
print(Total)
319

然后使用 loc 和 Series ，在这种情况下，索引应该设置为与您需要求和的特定列相同：

 df.loc['Total'] = pd.Series(df['MyColumn'].sum(), index=['MyColumn'])
print(df)
         X  MyColumn      Y      Z
0        A      84.0   13.0   69.0
1        B      76.0   77.0  127.0
2        C      28.0   69.0   16.0
3        D      28.0   28.0   31.0
4        E      19.0   20.0   85.0
5        F      84.0  193.0   70.0
Total  NaN     319.0    NaN    NaN

因为如果你传递标量，所有行的值都将被填充：

 df.loc['Total'] = df['MyColumn'].sum()
print(df)
         X  MyColumn      Y      Z
0        A        84   13.0   69.0
1        B        76   77.0  127.0
2        C        28   69.0   16.0
3        D        28   28.0   31.0
4        E        19   20.0   85.0
5        F        84  193.0   70.0
Total  319       319  319.0  319.0

其他两个解决方案是 at 和 ix 请参见以下应用程序：

 df.at['Total', 'MyColumn'] = df['MyColumn'].sum()
print(df)
         X  MyColumn      Y      Z
0        A      84.0   13.0   69.0
1        B      76.0   77.0  127.0
2        C      28.0   69.0   16.0
3        D      28.0   28.0   31.0
4        E      19.0   20.0   85.0
5        F      84.0  193.0   70.0
Total  NaN     319.0    NaN    NaN

---

 df.ix['Total', 'MyColumn'] = df['MyColumn'].sum()
print(df)
         X  MyColumn      Y      Z
0        A      84.0   13.0   69.0
1        B      76.0   77.0  127.0
2        C      28.0   69.0   16.0
3        D      28.0   28.0   31.0
4        E      19.0   20.0   85.0
5        F      84.0  193.0   70.0
Total  NaN     319.0    NaN    NaN

注意： 自 Pandas v0.20 起， ix 已被弃用。请改用 loc 或 iloc 。

原文由 jezrael 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

您可以在这里选择另一个选项：

 df.loc["Total", "MyColumn"] = df.MyColumn.sum()

#         X  MyColumn      Y       Z
#0        A     84.0    13.0    69.0
#1        B     76.0    77.0   127.0
#2        C     28.0    69.0    16.0
#3        D     28.0    28.0    31.0
#4        E     19.0    20.0    85.0
#5        F     84.0   193.0    70.0
#Total  NaN    319.0     NaN     NaN

---

您还可以使用 append() 方法：

 df.append(pd.DataFrame(df.MyColumn.sum(), index = ["Total"], columns=["MyColumn"]))

---

更新：

如果您需要为所有 数字 列附加总和，您可以执行以下操作之一：

使用 append 以功能方式执行此操作（不更改原始数据框）：

 # select numeric columns and calculate the sums
sums = df.select_dtypes(pd.np.number).sum().rename('total')

# append sums to the data frame
df.append(sums)
#         X  MyColumn      Y      Z
#0        A      84.0   13.0   69.0
#1        B      76.0   77.0  127.0
#2        C      28.0   69.0   16.0
#3        D      28.0   28.0   31.0
#4        E      19.0   20.0   85.0
#5        F      84.0  193.0   70.0
#total  NaN     319.0  400.0  398.0

使用 loc 就地改变数据框：

 df.loc['total'] = df.select_dtypes(pd.np.number).sum()
df
#         X  MyColumn      Y      Z
#0        A      84.0   13.0   69.0
#1        B      76.0   77.0  127.0
#2        C      28.0   69.0   16.0
#3        D      28.0   28.0   31.0
#4        E      19.0   20.0   85.0
#5        F      84.0  193.0   70.0
#total  NaN     638.0  800.0  796.0

原文由 Psidom 发布，翻译遵循 CC BY-SA 4.0 许可协议