Python 如何在panda dataframe和dask dataframe中只计算选定的列？

我有一个数据帧，我想计算每行的非零列，以及dask和pandas中所选行的总和

id     Car               Model             1.1         2.1        3.1        4.1       
1      BMW               Model1            2           5          2          0
2      Volvo             V1                0           0          10         3
3      VW                Polo              5           2          4          5 

所以我需要在输出中增加2列，这将给出非零值的计数和所选列的总和

所需的输出如下：

id     Car               Model             1.1         2.1        3.1        4.1       Count    Sum
1      BMW               Model1            2           5          2          0          3       9
2      Volvo             V1                0           0          10         3          2       13
3      VW                Polo              5           2          4          5          4       16

In [85]: df[['sum', 'count']] = df[['1.1', '2.1', '3.1', '4.1']].apply(custom_agg, axis=1)                                                                                                                 

In [86]: df                                                                                                                                                                                                
Out[86]: 
      Car   Model  1.1  2.1  3.1  4.1  sum  count
id                                               
1     BMW  Model1    2    5    2    0    9      3
2   Volvo      V1    0    0   10    3   13      2
3      VW    Polo    5    2    4    5   16      4

---

我想我可以使用

df.fillna（0）.astype（bool）.sum（axis=1）

，但我只需要在所选列上使用它，正如您在所需输出中看到的那样。此外，我如何在dask中获得类似的结果？

您需要做的是在每一行上循环并应用求和聚合函数。这就是

apply

的用途

您只需返回一个序列，其中包含每行所需的值

sum

是显而易见的，而

count

本质上与您的想法相同<代码>s=0返回

True

或

False

和

sum（）

仅考虑

True

In [83]: def custom_agg(s): 
    ...:     return pd.Series({'sum': s.sum(), 'count': (s!=0).sum()}) 

然后像这样应用它：

id     Car               Model             1.1         2.1        3.1        4.1       Count    Sum
1      BMW               Model1            2           5          2          0          3       9
2      Volvo             V1                0           0          10         3          2       13
3      VW                Polo              5           2          4          5          4       16

In [85]: df[['sum', 'count']] = df[['1.1', '2.1', '3.1', '4.1']].apply(custom_agg, axis=1)                                                                                                                 

In [86]: df                                                                                                                                                                                                
Out[86]: 
      Car   Model  1.1  2.1  3.1  4.1  sum  count
id                                               
1     BMW  Model1    2    5    2    0    9      3
2   Volvo      V1    0    0   10    3   13      2
3      VW    Polo    5    2    4    5   16      4

---

Dask工具适用。代码应该在pandas和Dask开箱即用模式下工作。

对行使用apply函数

import pandas as pd
import numpy as np

d = {'Car': ['BMW', 'Volvo'], 'Model': ['Model1', 'V1']}
df = pd.DataFrame(data=d)
df['1.1'] = [2,0]
df['2.1'] = [5,0]
df['3.1'] = [2,10]
df['4.1'] = [0,3]
values = df.iloc[:,2:] 
df['sum'] = values.apply(np.sum, axis=1)
df['count'] = values.astype(bool).sum(axis=1)

print(df.head)
     Car   Model  1.1  2.1  3.1  4.1   sum   count
0    BMW  Model1    2    5    2    0    9      3
1  Volvo      V1    0    0   10    3   13      2

---

@耶斯雷尔，你能帮忙吗？谢谢你的回答。有没有办法定义我需要计算的选定列？有些列也有整数值，我不需要在聚合中使用它们。

df[['1.1'，'2.1'，'3.1'，'4.1']]

已经在这样做了。此代码将忽略

汽车

和

车型

以及您可能拥有的任何其他内容。如果你想计算更多的列，你可以在这个列表中添加一些东西。好的，我没有注意到。谢谢我可以基于聚合中的切片选择列吗？我有300多列，我不想按名称选择。如果我能把它们切成片就好了是的，你能

df.loc[：，'1.1'：'4.1']

同样有效。如果您需要详细信息，可以在此处阅读：