Python使用一列表示数据帧的总和

我有一个Python数据帧：

df = pd.DataFrame(np.random.rand(5,3),columns=list('ABC'))
print df
              A           B           C
0   0.041761178 0.60439116  0.349372206
1   0.820455992 0.245314299 0.635568504
2   0.517482167 0.7257227   0.982969949
3   0.208934899 0.594973111 0.671030326
4   0.651299752 0.617672419 0.948121305

问题： 我想将第一列添加到整个数据帧中。我想得到这个：

              A           B           C
0   0.083522356 0.646152338 0.391133384
1   1.640911984 1.065770291 1.456024496
2   1.034964334 1.243204867 1.500452116
3   0.417869798 0.80390801  0.879965225
4   1.302599505 1.268972171 1.599421057

对于第一行：

• A:0.04176+0.04176=0.08352
• B:0.04176+0.60439=0.64615
• 等

要求： 我无法使用其列名引用第一列。 例如：

df.A

不可接受<代码>测向。可以接受iloc[：，0]

尝试： 我尝试了以下方法：

print df.add(df.iloc[:,0], fill_value=0)

但它不起作用。它返回错误消息：

Traceback (most recent call last):
  File "C:test.py", line 20, in <module>
    print df.add(df.iloc[:,0], fill_value=0)
  File "C:\python27\lib\site-packages\pandas\core\ops.py", line 771, in f
    return self._combine_series(other, na_op, fill_value, axis, level)
  File "C:\python27\lib\site-packages\pandas\core\frame.py", line 2939, in _combine_series
    return self._combine_match_columns(other, func, level=level, fill_value=fill_value)
  File "C:\python27\lib\site-packages\pandas\core\frame.py", line 2975, in _combine_match_columns
    fill_value)
NotImplementedError: fill_value 0 not supported

回溯（最近一次呼叫最后一次）：
文件“C:test.py”，第20行，在
打印df.add（df.iloc[：，0]，填充值=0）
文件“C:\python27\lib\site packages\pandas\core\ops.py”，第771行，在f中
返回自身。组合系列（其他、不适用、填充值、轴、标高）
文件“C:\python27\lib\site packages\pandas\core\frame.py”，第2939行，在系列中
返回self.\u combine\u match\u列（其他，func，级别=级别，填充值=填充值）
文件“C:\python27\lib\site packages\pandas\core\frame.py”，第2975行，在\u combine\u match\u列中
填充（U值）
NotImplementedError:不支持填充值0

---

是否可以用第一列计算数据帧中所有列的总和？

我会尝试以下方法：

firstol = df.columns[0]
df2 = df.add(df[firstcol], axis=0)

---

我想试试这样的东西：

firstol = df.columns[0]
df2 = df.add(df[firstcol], axis=0)

---

这就是你需要做的：

df.add(df.A, axis=0)


Example:
>>> df = pd.DataFrame(np.random.rand(5,3),columns=['A','B','C'])
>>> col_0 = df.columns.tolist()[0]

>>> print df
          A         B         C
0  0.502962  0.093555  0.854267
1  0.165805  0.263960  0.353374
2  0.386777  0.143079  0.063389
3  0.639575  0.269359  0.681811
4  0.874487  0.992425  0.660696
>>> df = df.add(df.col_0, axis=0)
>>> print df
          A         B         C
0  1.005925  0.596517  1.357229
1  0.331611  0.429766  0.519179
2  0.773553  0.529855  0.450165
3  1.279151  0.908934  1.321386
4  1.748975  1.866912  1.535183
>>> 

---

这就是你需要做的：

df.add(df.A, axis=0)


Example:
>>> df = pd.DataFrame(np.random.rand(5,3),columns=['A','B','C'])
>>> col_0 = df.columns.tolist()[0]

>>> print df
          A         B         C
0  0.502962  0.093555  0.854267
1  0.165805  0.263960  0.353374
2  0.386777  0.143079  0.063389
3  0.639575  0.269359  0.681811
4  0.874487  0.992425  0.660696
>>> df = df.add(df.col_0, axis=0)
>>> print df
          A         B         C
0  1.005925  0.596517  1.357229
1  0.331611  0.429766  0.519179
2  0.773553  0.529855  0.450165
3  1.279151  0.908934  1.321386
4  1.748975  1.866912  1.535183
>>> 

---

我结合以上两篇文章来回答这个问题

因为我不能通过名称引用特定列，所以我不能使用

df.add（df.a，axis=0）

。但这是正确的。由于

df+=df[firstcol]

生成了一个

NaN

s的数据帧，因此我不能使用这种方法，但是这个解决方案从数据帧获取列列表的方式是我需要的技巧

我是这样做的：

col_0 = df.columns.tolist()[0]
print(df.add(df[col_0], axis=0))

---

我结合以上两篇文章来回答这个问题

因为我不能通过名称引用特定列，所以我不能使用

df.add（df.a，axis=0）

。但这是正确的。由于

df+=df[firstcol]

生成了一个

NaN

s的数据帧，因此我不能使用这种方法，但是这个解决方案从数据帧获取列列表的方式是我需要的技巧

我是这样做的：

col_0 = df.columns.tolist()[0]
print(df.add(df[col_0], axis=0))

---

您可以为此使用

numpy

和广播：

df = pd.DataFrame(df.values + df['A'].values[:, None],
                  columns=df.columns)

---

我希望这比基于系列的方法更有效。

您可以使用

numpy

和广播来实现这一点：

df = pd.DataFrame(df.values + df['A'].values[:, None],
                  columns=df.columns)

---

我希望这比基于系列的方法更有效。

您的答案方法正确，但我无法按名称命名列。我更新了答案。如果你需要答案，别忘了批准。谢谢。这个帖子已经解决了。我所有的问题都在这里得到了回答。您的回答方法正确，但我无法按名称命名列。我更新了答案。如果你需要答案，别忘了批准。谢谢。这个帖子已经解决了。我所有的问题都在这里得到了回答。