Python 在pandas中，如何在对数据帧求和时获得数据帧作为输出

当我对一个数据帧求和时，它返回一个序列：

In [1]: import pandas as pd
In [2]: df = pd.DataFrame([[1, 2, 3], [2, 3, 3]], columns=['a', 'b', 'c'])

In [3]: df
Out[3]: 
      a  b  c
   0  1  2  3
   1  2  3  3

   In [4]: s = df.sum()

   In [5]: type(s)
   Out[5]: pandas.core.series.Series

---

我知道我可以通过这个

系列

构建一个新的

数据帧

。但是，还有其他的“泛基”方法吗？

我要继续说。。。“不”，我不认为有直接的方法可以做到这一点，泛神论的方法（也是pythonic的）是明确的：

pd.DataFrame(df.sum(), columns=['sum'])

或者更优雅地使用字典（请注意，这会复制求和数组）：

正如@root所指出的，它使用起来更快：

（正如python的禅宗所说：“实用性胜过纯洁性”，因此，如果您关心这一次，请使用这一次）

然而，也许最泛泛的方法就是使用这个系列：）

一些

%timeit

s用于您的小示例：

In [11]: %timeit pd.DataFrame(df.sum(), columns=['sum'])
1000 loops, best of 3: 356 us per loop

In [12]: %timeit pd.DataFrame({'sum': df.sum()})
1000 loops, best of 3: 462 us per loop

In [13]: %timeit  pd.DataFrame(np.sum(df.values, axis=0), columns=['sum'])
1000 loops, best of 3: 205 us per loop

对于稍大一点的：

In [21]: df = pd.DataFrame(np.random.randn(100000, 3), columns=list('abc'))

In [22]: %timeit pd.DataFrame(df.sum(), columns=['sum'])
100 loops, best of 3: 7.99 ms per loop

In [23]: %timeit pd.DataFrame({'sum': df.sum()})
100 loops, best of 3: 8.3 ms per loop

In [24]: %timeit  pd.DataFrame(np.sum(df.values, axis=0), columns=['sum'])
100 loops, best of 3: 2.47 ms per loop

---

我不确定早期的版本，但从pandas 0.18.1开始，可以使用该方法

name

参数是可选的，用于定义列名。

df.sum（）。to_frame（）

应该执行您想要的操作

---

请参阅。

通常，不仅需要将列的总和转换为数据帧，还需要转置生成的数据帧。还有一种方法：

df.sum().to_frame().transpose()

通过

DF.sum（）.to_frame（）

或将聚合结果直接存储到Dataframe，都不是一个健康的选项。更重要的是，当您希望单独存储聚合值和聚合和时。使用DF.sum（）.to_frame将存储值并一起求和

请尝试以下更干净的版本

a = DF.sum()
sum = list(a)
values = list(a.index)

Series_Dict = {"Agg_Value":values, "Agg_Sum":sum}

Agg_DF = pd.DataFrame(Series_Dict)

---

您可以使用

agg

进行像

sum

这样的简单操作，看看它有多紧凑：

df.agg(['sum'])

---

我认为

pd.DataFrame（{'my_sum'：df.sum（）}）

已经足够了。这让你有可能“命名”你的总和。虽然不干净，

pd.DataFrame（np.sum（df.values，axis=1），columns=['my_sum']）

应该要快得多…+1对于pandartic，但我认为答案是否定的：（啊，所以我们决定使用“pandartic”？对我来说很有用（“pandartic”，我也喜欢它，但没有“s”。@DSM“pandartic”看起来有点太像“恐怖”（而不是恐怖）…在《潘多斯特》中没有歧义，我想我被说服了！：）安迪，谢谢你的回复。我暂时将问题留待其他可能的答案。如果没有其他答案，您将在几天内接受。或者您可以只写

.T

而不是

.transpose（）

为了简洁：

df.sum（）.to_frame（'sum'）。T

df.sum().to_frame().transpose()

a = DF.sum()
sum = list(a)
values = list(a.index)

Series_Dict = {"Agg_Value":values, "Agg_Sum":sum}

Agg_DF = pd.DataFrame(Series_Dict)

df.agg(['sum'])