如何在列表中添加多个panda数据系列的项-python

我有一个“最终值”列表，其中包含熊猫系列和以下数据。我需要将多个panda系列的vales添加到一个系列中。 谁能帮帮我吗

需要根据其索引值添加值

我尝试了final_值[I]。在循环中添加final_值[I+1]。但没有起作用

数据：

预期产出：

0     -16.276548
1     4.218647
2     21.171354
3    -8.983806
4    -13.578134
5    -7.562696

谢谢

让我们试试这个：

from functools import reduce
reduce(pd.Series.add, final_value)

例如：

print(final_values)

输入df：

[0     0.000000
1    14.522873
2    21.677418
3    10.791055
4     0.000000
5     7.176507
Name: 1, dtype: float64, 0   -16.276548
1   -16.276548
2   -15.761264
3   -16.276548
4   -16.276548
5   -17.822402
Name: 1, dtype: float64, 0     0.000000
1     5.972322
2    15.255200
3    -3.498313
4     2.698414
5     3.083199
Name: 1, dtype: float64]


from functools import reduce
reduce(pd.Series.add,final_value)

输出：

0   -16.276548
1     4.218647
2    21.171354
3    -8.983806
4   -13.578134
5    -7.562696
Name: 1, dtype: float64

时间。。。。 约翰的方法

%timeit pd.concat(final_value, axis=1).sum(axis=1)

100圈，最佳3圈：每圈3.06毫秒

函数工具归约法

%timeit reduce(pd.Series.add, final_value)

1000个回路，最好为3个：每个回路551µs

让我们试试这个：

from functools import reduce
reduce(pd.Series.add, final_value)

例如：

print(final_values)

输入df：

[0     0.000000
1    14.522873
2    21.677418
3    10.791055
4     0.000000
5     7.176507
Name: 1, dtype: float64, 0   -16.276548
1   -16.276548
2   -15.761264
3   -16.276548
4   -16.276548
5   -17.822402
Name: 1, dtype: float64, 0     0.000000
1     5.972322
2    15.255200
3    -3.498313
4     2.698414
5     3.083199
Name: 1, dtype: float64]


from functools import reduce
reduce(pd.Series.add,final_value)

输出：

0   -16.276548
1     4.218647
2    21.171354
3    -8.983806
4   -13.578134
5    -7.562696
Name: 1, dtype: float64

时间。。。。 约翰的方法

%timeit pd.concat(final_value, axis=1).sum(axis=1)

100圈，最佳3圈：每圈3.06毫秒

函数工具归约法

%timeit reduce(pd.Series.add, final_value)

1000个回路，最好为3个：每个回路551µs

在轴=1上使用pd.concat并按行求和

细节

In [598]: final_value
Out[598]:
[0     0.000000
 1    14.522873
 2    21.677418
 3    10.791055
 4     0.000000
 5     7.176500
 Name: 1, dtype: float64, 0   -16.276548
 1   -16.276548
 2   -15.761264
 3   -16.276548
 4   -16.276548
 5   -17.822402
 Name: 1, dtype: float64, 0     0.000000
 1     5.972322
 2    15.255200
 3    -3.498313
 4     2.698414
 5     3.083199
 Name: 1, dtype: float64]

在轴=1上使用pd.concat并按行求和

细节

In [598]: final_value
Out[598]:
[0     0.000000
 1    14.522873
 2    21.677418
 3    10.791055
 4     0.000000
 5     7.176500
 Name: 1, dtype: float64, 0   -16.276548
 1   -16.276548
 2   -15.761264
 3   -16.276548
 4   -16.276548
 5   -17.822402
 Name: 1, dtype: float64, 0     0.000000
 1     5.972322
 2    15.255200
 3    -3.498313
 4     2.698414
 5     3.083199
 Name: 1, dtype: float64]

只需使用sum

或者你可以用np.sum

只需使用sum

或者你可以用np.sum

---

---

需要执行行方式的附加序列具有相同的长度。在复制粘贴数据时，我会错过一些行。我遇到了问题。我会解决它。理想情况下，每个系列的长度将是相同的，因为它比pd.concat和sumOkie快5倍以上。让我试试。感谢您提供的信息，我们需要按行执行additionAll系列具有相同的长度。在复制粘贴数据时，我会错过一些行。我遇到了问题。我会解决它。理想情况下，每个系列的长度将是相同的，因为它比pd.concat和sumOkie快5倍以上。让我试试。谢谢你的邀请info@piroot谢谢你的帮助！伟大的解决方案@维沙利谢谢你。@piroot谢谢你的帮助！伟大的解决方案@瓦伊沙利：谢谢。计时：1000圈，每圈3:1.25毫秒的最佳成绩。这在高尔夫比赛中获胜-：但现在你提出了。一杆进洞是的。计时np.sum方法。10000圈，最好为3:164µs/圈压碎。你赢了！我在你面前鞠躬，大圆一号。计时：1000圈，每圈3:1.25毫秒的最佳成绩。这在高尔夫比赛中获胜-：但现在你提出了。一杆进洞是的。计时np.求和法。10000圈，最好为3:164µs/圈压碎。你赢了！我在你面前鞠躬，大圆一号。