在Python中对行（日期）进行分组并汇总多个列（每个日期的几个测量值）

我使用Python Pandas并从Postgres加载如下表：

date                  v00  v01  v02  v03
2001-01-01 00:00:00   30   40   50   100
2001-01-01 00:00:00   80   120  20    60
2001-02-01 00:00:00   20    70  50    20

我想使用Pandas对日期行进行分组并汇总值。结果应该是这样的

2001-01-01 00:00:00   500
2001-02-01 00:00:00   160

我可以对日期进行分组，并单独汇总值，但不能在一个视图中

我的结果是

1 220
2 280
3 160

及

这就是代码：

将psycopg2作为ps导入 作为pd进口熊猫 导入openpyxl conn=ps.connecthost=host，user=user，password=password，dbname=Python\u ueben cur=conn.cursor 打印“连接” schema=inputGeben Sie das schema ein 表=输入Geben Sie die Tabele ein def load_数据模式，表： sql_命令=从{}.{}；中选择*；。formatstrschema，标准表格 打印sql\u命令 加载数据 data=pd.read\u sqlsql\u命令，conn groub=data.groupby['date']分组日期并保存在变量中 printdata.sumaxis=1，skipna=真和值v00-v03 printgroub.sumaxis=1，skipna=True group and sum，但不是正确的结果 printdata.groupby['date'].sumaxis=0，skipna=False 加载数据'public'，'zeitreiche' 如果“日期”列为“第一个聚合总和”，然后“每个轴的总和”=1：

或按日期列创建索引，然后对所有行和每个索引的最后一个总和每个索引的总和：

df1 = df.set_index('Date').sum(axis=1).sum(level=0).reset_index(name='sum')

如果日期为索引，则简化上述解决方案：

df1 = df.sum(axis=1).sum(level=0).reset_index(name='sum')

df1 = df.sum(level=0).sum(axis=1).reset_index(name='sum')

---

日期是列还是索引？谢谢！即使是第一个解决方案也奏效了。非常好而且非常快：D

df1 = df.set_index('Date').sum(axis=1).sum(level=0).reset_index(name='sum')

df1 = df.sum(axis=1).sum(level=0).reset_index(name='sum')

df1 = df.sum(level=0).sum(axis=1).reset_index(name='sum')