Python 获取列的总数

目标

我有一个熊猫数据框，如下所示，有多个列，我想得到列的总数，

MyColumn

---

数据帧-

df

：

打印df

---

我的尝试：

我尝试使用

groupby

和

.sum（）

获取列的总和：

这会导致以下错误：

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

---

预期产出

我希望输出结果如下所示：

319

或者，我希望使用名为

TOTAL

的新

行

编辑

df

，其中包含总计：

           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

你应使用：

然后与

系列一起使用

，在这种情况下，索引应设置为与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

另外两个解决方案与一起提供，请参见下面的应用程序：

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

---

---

注意：自Pandas v0.20以来，

ix

已被弃用。改用

loc

或

iloc

。

您可以在此处使用的另一个选项：

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：

如果需要为所有数值列追加总和，可以执行以下操作之一：

使用

append

以功能性方式执行此操作（不更改原始数据帧）：

使用

loc

在适当位置改变数据帧：

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

---

与获取数据帧的长度类似，

len（df）

，以下内容适用于pandas和blaze：

Total = sum(df['MyColumn'])

或者

Total = sum(df.MyColumn)
print Total

---

作为另一种选择，您可以执行以下操作

Group   Valuation   amount
    0   BKB Tube    156
    1   BKB Tube    143
    2   BKB Tube    67
    3   BAC Tube    176
    4   BAC Tube    39
    5   JDK Tube    75
    6   JDK Tube    35
    7   JDK Tube    155
    8   ETH Tube    38
    9   ETH Tube    56

下面的脚本，您可以用于上面的数据

import pandas as pd    
data = pd.read_csv("daata1.csv")
bytreatment = data.groupby('Group')
bytreatment['amount'].sum()

有两种方法可以求一列的和

dataset=pd.read\u csv（“data.csv”）

1：总和（数据集.列名称）

2:数据集['Column_Name'].sum（）

---

如果这方面有任何问题，请纠正我。

那太好了：）谢谢你的解释，我可以问一下

.loc

在上面的例子中做了什么吗？

loc

是用来做什么的。

at

也用于放大设置，请参见最后一次编辑。谢谢，有什么更好的方法吗？嗯，文档上说

the.loc/.ix/[]当为该轴设置不存在的键时，操作可以执行放大。

，因此

loc

或

ix

或

[]

。在next is writes中，如果缺少索引器，

at可以像上面一样放大对象。

因此所有方法都很好，但我认为

at

是最快的。要说明熊猫为什么不是蟒蛇，只需看看关于如何简单求和列的混淆。所有列的和如何？1.st exampe:

FutureWarning:pandas.np模块已弃用，将在未来版本中从pandas中删除。改为直接导入numpy

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

Total = sum(df['MyColumn'])

Total = sum(df.MyColumn)
print Total

Group   Valuation   amount
    0   BKB Tube    156
    1   BKB Tube    143
    2   BKB Tube    67
    3   BAC Tube    176
    4   BAC Tube    39
    5   JDK Tube    75
    6   JDK Tube    35
    7   JDK Tube    155
    8   ETH Tube    38
    9   ETH Tube    56

import pandas as pd    
data = pd.read_csv("daata1.csv")
bytreatment = data.groupby('Group')
bytreatment['amount'].sum()