Python 如何通过限制dataframe中的行大小来查找列和？

具有数据帧df1：

         DP 1     DP 2    DP 3   DP 4     DP 5    DP 6    DP 7   DP 8    DP 9    DP 10
OP 1    357848  1124788 1735330 2218270 2745596 3319994 3466336 3606286 3833515 3901463
OP 2    352118  1236139 2170033 3353322 3799067 4120063 4647867 4914039 5339085 
OP 3    290507  1292306 2218525 3235179 3985995 4132918 4628910 4909315     
OP 4    310608  1418858 2195047 3757447 4029929 4381982 4588268         
OP 5    443160  1136350 2128333 2897821 3402672 3873311             
OP 6    396132  1333217 2180715 2985752 3691712                 
OP 7    440832  1288463 2419861 3483130                     
OP 8    359480  1421128 2864498                         
OP 9    376686  1363294                             
OP 10   344014                                  

我想通过限制行数来计算每一列的总和

要计算第一列数据的总和，行大小应为10-1的总和（DP1）

要计算第二列数据之和，行大小应为10-2的sum（DP2）

要计算第三列数据之和，行大小应为10-3的sum（DP3）

等等

输出如下：

    3327371  10251249  15047844  18447791  17963259  15954957  12743113  8520325  3833515

我尝试使用for循环：

>>dataframe_len = len(df1.columns)
>>print(dataframe_len)
   10
>>for i in range(0,10):
     #Here i need to find the sum of each column 
     #sum('col')(row size is 10-i)

这与DP1到DP10（10列）无关，因为有太多的列

---

谢谢您的时间：）

我认为您可以在使用

apply（）时利用列名中的信息

def sum_行（列）：
t=int（列名称拆分（“”）[-1]）
返回col.iloc[：-t].sum（）
df_u=df.apply（求和行）

我认为在使用
apply（）

def sum_行（列）：
t=int（列名称拆分（“”）[-1]）
返回col.iloc[：-t].sum（）
df_u=df.apply（求和行）

假设您希望它符合您的预期输出，而不是您的描述，
sum（）
在删除NA值然后跳过最后一个值后的每一列：

df.apply（lambda列：col.dropna（）[：-1].sum（））

输出：

DP 1      3327371.0
DP 2     10251249.0
DP 3     15047844.0
DP 4     18447791.0
DP 5     17963259.0
DP 6     15954957.0
DP 7     12743113.0
DP 8      8520325.0
DP 9      3833515.0
DP 10           0.0


旁注：您的总和不是第10-1、10-2、10-3行等，而是第9-1、8-1、7-1行。即，跳过每列的最后一个非NA值，而不是最上面的行

Ex
df['DP 1'].sum（）
是
3671385
但跳过了最后一行
df['DP 1'][：-1]。sum（）
是与预期输出匹配的
3327371
。对于DP2:
df['DP 2'].sum（）
是
11614543
和
df['DP 2'].dropna（）[：-1].sum（）
是
10251249
（您预期的val），但
df['DP 2'][2:10]。sum（）
是
删除NA值然后跳过最后一个值后的每列：

df.apply（lambda列：col.dropna（）[：-1].sum（））

输出：

DP 1      3327371.0
DP 2     10251249.0
DP 3     15047844.0
DP 4     18447791.0
DP 5     17963259.0
DP 6     15954957.0
DP 7     12743113.0
DP 8      8520325.0
DP 9      3833515.0
DP 10           0.0


旁注：您的总和不是第10-1、10-2、10-3行等，而是第9-1、8-1、7-1行。即，跳过每列的最后一个非NA值，而不是最上面的行

Ex
df['DP 1'].sum（）
是
3671385
但跳过了最后一行
df['DP 1'][：-1]。sum（）
是与预期输出匹配的
3327371
。对于DP2:
df['DP 2'].sum（）
是
11614543
和
df['DP 2'].dropna（）[：-1]。sum（）
是
10251249
（您预期的val），但
df['DP 2'][2:10]。sum（）
是
9253616
，，在这种情况下，您可以求和到倒数第二个
最后一个有效的索引（）

df.apply（lambda x:x.iloc[：df.index.get_loc（x.last_valid_index（））].sum（））
#DP 1327271.0
#DP 2 10251249.0
#DP 3 15047844.0
#DP 4 18447791.0
#DP 5 17963259.0
#DP 6 15954957.0
#DP 7 12743113.0
#DP 8 8520325.0
#DP 9 3833515.0
#DP 10 0.0
在这种情况下，您可以汇总到倒数第二个
last\u valid\u index（）
：

df.apply（lambda x:x.iloc[：df.index.get_loc（x.last_valid_index（））].sum（））
#DP 1327271.0
#DP 2 10251249.0
#DP 3 15047844.0
#DP 4 18447791.0
#DP 5 17963259.0
#DP 6 15954957.0
#DP 7 12743113.0
#DP 8 8520325.0
#DP 9 3833515.0
#DP 10 0.0
ah更好，+1。我在
shift（-1）方面做得太复杂了。上一个有效的\u index（）
我从你放的东西开始（但由于每列的移位量不同，所以无法使它工作）。然后意识到我们只是跳过了最后一个值。啊，更好，+1。我在
shift（-1）方面做得太复杂了。上一个有效的\u index（）
我从你放的东西开始（但由于每列的移位量不同，所以无法使它工作）。然后意识到我们只是跳过了最后一个值。
10-1
是指
10比1
还是
10减1
？你是想跳过最上面一行还是最下面一行？根据您的预期输出，它看起来像是跳过了底部的行；或者，跳过最后一个非NA值。
10-1
是指
10到1
还是
10减去1
？你是想跳过最上面一行还是最下面一行？根据您的预期输出，它看起来像是跳过了底部的行；或者更确切地说，跳过最后一个非NA值。