pandas.Series.sum

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

Возвращает сумму значений по указанной оси.

Это эквивалентно методу numpy.sum.

Параметры:

axis:{индекс (0)}

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

Предупреждение

Поведение DataFrame.sum с axis=None устарело. В будущей версии это будет суммирование по обеим осям и возвращение скалярного значения. Чтобы сохранить старое поведение, передайте axis=0 (или не передавайте axis).

Введено в версии 2.0.0.

skipna:bool, по умолчанию True

Исключить значения NaN/null при вычислении результата.

numeric_only:bool, по умолчанию False

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

min_count:int, по умолчанию 0

Требуемое количество допустимых значений для выполнения операции. Если присутствует меньше min_count ненулевых значений, результат будет NaN.

**kwargs

Дополнительные ключевые параметры, которые будут переданы функции.

Возвращает:

скаляр 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 NaN Series равна 0.

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

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

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

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