Python 什么'；对数据帧中的所有值求和的最佳方法是什么？

我想出了这两种方法。有更好的吗

>>> import pandas as pd
>>> df = pd.DataFrame({'A': [5, 6, 7], 'B': [7, 8, 9]})
>>> print df.sum().sum()
42
>>> print df.values.sum()
42

只是想确保我没有遗漏更明显的东西。

为熊猫0.24更新+

---

在0.24之前+ 是基础numpy数组

df.values.sum()

---

是numpy sum方法，并且更快

添加一些数字以支持此操作：

import numpy as np, pandas as pd
import timeit
df = pd.DataFrame(np.arange(int(1e6)).reshape(500000, 2), columns=list("ab"))

def pandas_test():
    return df['a'].sum()

def numpy_test():
    return df['a'].to_numpy().sum()

timeit.timeit(numpy_test, number=1000)  # 0.5032469799989485
timeit.timeit(pandas_test, number=1000)  # 0.6035906639990571

---

因此，我们在我的机器上获得了20%的性能，仅用于系列求和

谢谢。我就是这么想的！是因为一个函数调用另一个函数而更快，还是有更根本的区别？@kuanb有两个原因。第一，

df.values.sum（）

是一个

numpy

操作，大多数情况下，

numpy

的性能更高。第二，

numpy

对数组中的所有元素求和，而不考虑维数

pandas

需要对

sum

进行两次单独的调用，每个维度调用一次。请小心，因为如果存在

nan

值

df.sum（）.sum（）

将忽略

nan

并返回一个

float

，而

df.values.sum（）

将返回

nan

。因此这两种方法并不等价。但是

df['a'].sum（）

与

df['a'].to_numpy（）.sum（）

相同吗？我想，

df['a'].sum（）

只对列求和，不是吗？是的，这只是对单个序列信息的比较，我没有对整个dfOh求和。但是这个问题是关于整个数据帧的总和，而不是一个系列。你能报告你的pandas和numpy版本吗？在熊猫0.24.2和Numpy 1.16.2的测试中，我得到了更大的速度差。

df.values.sum()

import numpy as np, pandas as pd
import timeit
df = pd.DataFrame(np.arange(int(1e6)).reshape(500000, 2), columns=list("ab"))

def pandas_test():
    return df['a'].sum()

def numpy_test():
    return df['a'].to_numpy().sum()

timeit.timeit(numpy_test, number=1000)  # 0.5032469799989485
timeit.timeit(pandas_test, number=1000)  # 0.6035906639990571