假设我有一个像这样的列:
a b 1 5 1 7 2 3 1 3 2 5
例如,我想总结bwhere的值a = 1。这会给我5 + 7 + 3 = 15。
b
a = 1
5 + 7 + 3 = 15
如何在熊猫中做到这一点?
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。
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:
1
loc
>>> 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
df.loc[(df['a'] == 1) & (df['c'] == 2), 'b'].sum()
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:
query
>>> 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。
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:
groupby
>>> 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:
a
>>> df.groupby('a')['b'].sum() a 1 15 2 8