这里的基本思想是选择要求和的数据，然后将它们求和。可以通过几种不同的方式来选择数据，以下显示了其中几种。

布尔索引

可以说，选择值的最常见方法是使用布尔索引。

使用此方法，您可以找出列“ a”等于哪里1，然后将列“ b”的相应行求和。您可以loc用来处理行和列的索引：

>>> df.loc[df['a'] == 1, 'b'].sum()
15

布尔索引可以扩展到其他列。例如，如果df还包含列“ c”，并且我们想对“ b”中的行求和，其中“ a”为1，而“ c”为2，则可以这样写：

df.loc[(df['a'] == 1) & (df['c'] == 2), 'b'].sum()

询问

选择数据的另一种方法是用于query过滤您感兴趣的行，选择列“ b”，然后求和：

>>> df.query("a == 1")['b'].sum()
15

同样，该方法可以扩展为对数据进行更复杂的选择：

df.query("a == 1 and c == 2")['b'].sum()

请注意，这比布尔索引方法更简洁。

通过…分组

另一种方法是groupby根据“
a”列中的值将DataFrame分为多个部分。然后，您可以将每个部分相加并得出1的总和：

>>> df.groupby('a')['b'].sum()[1]
15

这种方法可能比使用布尔索引慢，但如果要检查column中其他值的总和，该方法很有用a：

>>> df.groupby('a')['b'].sum()
a
1    15
2     8