pandas.DataFrame.sum # 数据框。sum ( axis = 0 , Skipna = True , numeric_only = False , min_count = 0 , ** kwargs ) [来源] # 返回请求轴上的值的总和。 这相当于方法numpy.sum。 参数: 轴{索引 (0),列 (1)}要应用的功能的轴。对于系列,此参数未使用,默认为 0。 警告 DataFrame.sum 的行为axis=None已被弃用,在未来版本中,这将在两个轴上减少并返回标量要保留旧行为,请传递 axis=0 (或不传递 axis)。 2.0.0 版本中的新增内容。 Skipna布尔值,默认 True计算结果时排除 NA/null 值。 numeric_only布尔值,默认 False仅包含 float、int、boolean 列。未针对系列实现。 min_count int,默认0执行操作所需的有效值数量。如果存在的非 NA 值少于 min_count该值,则结果将为 NA。 **夸格要传递给函数的其他关键字参数。 返回: 系列或标量 也可以看看 Series.sum返回总和。 Series.min返回最小值。 Series.max返回最大值。 Series.idxmin返回最小值的索引。 Series.idxmax返回最大值的索引。 DataFrame.sum返回请求轴上的总和。 DataFrame.min返回请求轴上的最小值。 DataFrame.max返回请求轴上的最大值。 DataFrame.idxmin返回请求轴上最小值的索引。 DataFrame.idxmax返回请求轴上最大值的索引。 例子 >>> idx = pd.MultiIndex.from_arrays([ ... ['warm', 'warm', 'cold', 'cold'], ... ['dog', 'falcon', 'fish', 'spider']], ... names=['blooded', 'animal']) >>> s = pd.Series([4, 2, 0, 8], name='legs', index=idx) >>> s blooded animal warm dog 4 falcon 2 cold fish 0 spider 8 Name: legs, dtype: int64 >>> s.sum() 14 默认情况下,空或全 NA 系列的总和为0。 >>> pd.Series([], dtype="float64").sum() # min_count=0 is the default 0.0 这可以通过参数来控制min_count。例如,如果您希望空序列的总和为 NaN,请传递min_count=1。 >>> pd.Series([], dtype="float64").sum(min_count=1) nan 由于该skipna参数,min_count可以以相同的方式处理全 NA 和空系列。 >>> pd.Series([np.nan]).sum() 0.0 >>> pd.Series([np.nan]).sum(min_count=1) nan