pandas.Series.sum

Series.sum(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs) [source]

Возвращает сумму значений для указанной оси.

Это эквивалентно методу numpy.sum.

Параметры:

axis : {index (0)} Ось для применения функции. skipna : bool, default True Исключить значения NA/null при вычислении результата. level : int or level name, default None Если ось является MultiIndex (иерархической), подсчёт происходит по определённому уровню, сводя результат к скаляру. numeric_only : bool, default None Включать только столбцы с плавающей точкой, целыми числами и булевыми значениями. Если None, будет попытка использовать всё, а затем только числовые данные. Не реализовано для Series. min_count : int, default 0 Требуемое количество допустимых значений для выполнения операции. Если присутствует меньше min_count ненулевых значений, результат будет NA. Добавлена в версии 0.22.0: Добавлена с дефолтом 0. Это означает, что сумма всех NA или пустой Series равна 0, а произведение всех NA или пустой Series равно 1. **kwargs Дополнительные ключевые аргументы для передачи функции.

Возвращает:

sum : scalar or Series (if level specified)

См. также

Series.sum

Возвращает сумму.

Series.min

Возвращает минимум.

Series.max

Возвращает максимум.

Series.idxmin

Возвращает индекс минимума.

Series.idxmax

Возвращает индекс максимума.

DataFrame.min

Возвращает сумму по указанной оси.

DataFrame.min

Возвращает минимум по указанной оси.

DataFrame.max

Возвращает максимум по указанной оси.

DataFrame.idxmin

Возвращает индекс минимума по указанной оси.

DataFrame.idxmax

Возвращает индекс максимума по указанной оси.

Примеры

>>> 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

Суммирование по именам уровней, а также по индексам.

>>> s.sum(level='blooded')
blooded
warm    6
cold    8
Name: legs, dtype: int64

>>> s.sum(level=0)
blooded
warm    6
cold    8
Name: legs, dtype: int64

По умолчанию, сумма пустой или полностью состоящей из NA Series равна 0.

>>> pd.Series([]).sum()  # min_count=0 is the default
0.0

Это можно контролировать с помощью параметра min_count. Например, если вы хотите, чтобы сумма пустой серии была NaN, передайте min_count=1.

>>> pd.Series([]).sum(min_count=1)
nan

Благодаря параметру skipna, min_count обрабатывает серии с пропусками и пустые серии идентично.

>>> pd.Series([np.nan]).sum()
0.0

>>> pd.Series([np.nan]).sum(min_count=1)
nan