pandas.DataFrame.sum

DataFrame.sum(axis=0, skipna=True, numeric_only=False, min_count=0, **kwargs)[source]

Возвращает сумму значений по указанной оси.

Это эквивалентно методу numpy.sum.

Parameters:

axis:{index (0), columns (1)}

Ось, по которой будет применяться функция. Для Series этот параметр не используется и по умолчанию равен 0.

Предупреждение

Поведение DataFrame.sum с axis=None устарело; в будущей версии оно будет суммировать по обеим осям и возвращать скаляр. Чтобы сохранить старое поведение, передайте axis=0 (или не передавайте axis).

В версии 2.0.0.

skipna:bool, по умолчанию True

Исключать значения NA/null при вычислении результата.

numeric_only:bool, по умолчанию False

Включать только числовые (float, int, boolean) столбцы. Для Series не реализовано.

min_count:int, по умолчанию 0

Необходимое количество допустимых значений для выполнения операции. Если присутствует меньше min_count значений, отличных от NA, результат будет NA.

**kwargs

Дополнительные ключевые аргументы, которые должны быть переданы в функцию.

Returns:

Series или скаляр

См. также

Series.sum

Возвращает сумму.

Series.min

Возвращает минимальное значение.

Series.max

Возвращает максимальное значение.

Series.idxmin

Возвращает индекс минимального значения.

Series.idxmax

Возвращает индекс максимального значения.

DataFrame.sum

Возвращает сумму по указанной оси.

DataFrame.min

Возвращает минимальное значение по указанной оси.

DataFrame.max

Возвращает максимальное значение по указанной оси.

DataFrame.idxmin

Возвращает индекс минимального значения по указанной оси.

DataFrame.idxmax

Возвращает индекс максимального значения 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

По умолчанию сумма пустой или содержащей только значения NA Series равна 0.

>>> pd.Series([], dtype="float64").sum()  # min_count=0 is the default
0.0

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

>>> pd.Series([], dtype="float64").sum(min_count=1)
nan

Благодаря параметру skipna, min_count обрабатывает все серии с значениями NA и пустые серии одинаково.

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

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