Obtenha o total da coluna Pandas


107

Alvo

Eu tenho um quadro de dados do Pandas, como mostrado abaixo, com várias colunas e gostaria de obter o total da coluna MyColumn,.


Quadro de dados -df:

print df

           X           MyColumn  Y              Z   
0          A           84        13.0           69.0   
1          B           76         77.0          127.0   
2          C           28         69.0           16.0   
3          D           28         28.0           31.0   
4          E           19         20.0           85.0   
5          F           84        193.0           70.0   

Minha tentativa :

Tentei obter a soma da coluna usando groupbye .sum():

Total = df.groupby['MyColumn'].sum()

print Total

Isso causa o seguinte erro:

TypeError: 'instancemethod' object has no attribute '__getitem__'

Resultado Esperado

Eu esperava que a saída fosse a seguinte:

319

Ou, alternativamente, gostaria dfde ser editado com um novo rowtítulo TOTALcontendo o total:

           X           MyColumn  Y              Z   
0          A           84        13.0           69.0   
1          B           76         77.0          127.0   
2          C           28         69.0           16.0   
3          D           28         28.0           31.0   
4          E           19         20.0           85.0   
5          F           84        193.0           70.0   
TOTAL                  319

11
Para uma ilustração de por que os pandas não são pítônicos, basta olhar para a confusão sobre como simplesmente somar uma coluna.
user1416227

Respostas:


215

Você deve usar sum:

Total = df['MyColumn'].sum()
print (Total)
319

Em seguida, você usa loccom Series, nesse caso, o índice deve ser definido como o mesmo da coluna específica que você precisa somar:

df.loc['Total'] = pd.Series(df['MyColumn'].sum(), index = ['MyColumn'])
print (df)
         X  MyColumn      Y      Z
0        A      84.0   13.0   69.0
1        B      76.0   77.0  127.0
2        C      28.0   69.0   16.0
3        D      28.0   28.0   31.0
4        E      19.0   20.0   85.0
5        F      84.0  193.0   70.0
Total  NaN     319.0    NaN    NaN

porque se você passar escalar, os valores de todas as linhas serão preenchidos:

df.loc['Total'] = df['MyColumn'].sum()
print (df)
         X  MyColumn      Y      Z
0        A        84   13.0   69.0
1        B        76   77.0  127.0
2        C        28   69.0   16.0
3        D        28   28.0   31.0
4        E        19   20.0   85.0
5        F        84  193.0   70.0
Total  319       319  319.0  319.0

Duas outras soluções estão com at, e ixveja os aplicativos abaixo:

df.at['Total', 'MyColumn'] = df['MyColumn'].sum()
print (df)
         X  MyColumn      Y      Z
0        A      84.0   13.0   69.0
1        B      76.0   77.0  127.0
2        C      28.0   69.0   16.0
3        D      28.0   28.0   31.0
4        E      19.0   20.0   85.0
5        F      84.0  193.0   70.0
Total  NaN     319.0    NaN    NaN

df.ix['Total', 'MyColumn'] = df['MyColumn'].sum()
print (df)
         X  MyColumn      Y      Z
0        A      84.0   13.0   69.0
1        B      76.0   77.0  127.0
2        C      28.0   69.0   16.0
3        D      28.0   28.0   31.0
4        E      19.0   20.0   85.0
5        F      84.0  193.0   70.0
Total  NaN     319.0    NaN    NaN

Observação: desde o Pandas v0.20, ixele está obsoleto. Use locou em seu iloclugar.


Isso é ótimo :) Obrigado pela explicação, posso perguntar o que .locfaz no exemplo acima?
LearningToJava


atfunciona para configuração com ampliação também, consulte a última edição.
jezrael

Obrigado, existe algum método preferido?
LearningToJava

1
Hmmm, o docs diz The .loc/.ix/[] operations can perform enlargement when setting a non-existant key for that axis., assim locou ixou []. na próxima seção é escreve at may enlarge the object in-place as above if the indexer is missing.Portanto, todos os métodos são bons, mas atacho que é mais rápido.
jezrael

22

Outra opção que você pode escolher aqui:

df.loc["Total", "MyColumn"] = df.MyColumn.sum()

#         X  MyColumn      Y       Z
#0        A     84.0    13.0    69.0
#1        B     76.0    77.0   127.0
#2        C     28.0    69.0    16.0
#3        D     28.0    28.0    31.0
#4        E     19.0    20.0    85.0
#5        F     84.0   193.0    70.0
#Total  NaN    319.0     NaN     NaN

Você também pode usar o append()método:

df.append(pd.DataFrame(df.MyColumn.sum(), index = ["Total"], columns=["MyColumn"]))

insira a descrição da imagem aqui


Atualizar:

No caso de você precisar acrescentar soma para todos os números colunas , você pode fazer uma das seguintes opções:

Use appendpara fazer isso de maneira funcional (não altera o quadro de dados original):

# select numeric columns and calculate the sums
sums = df.select_dtypes(pd.np.number).sum().rename('total')

# append sums to the data frame
df.append(sums)
#         X  MyColumn      Y      Z
#0        A      84.0   13.0   69.0
#1        B      76.0   77.0  127.0
#2        C      28.0   69.0   16.0
#3        D      28.0   28.0   31.0
#4        E      19.0   20.0   85.0
#5        F      84.0  193.0   70.0
#total  NaN     319.0  400.0  398.0

Use locpara alterar o quadro de dados no local:

df.loc['total'] = df.select_dtypes(pd.np.number).sum()
df
#         X  MyColumn      Y      Z
#0        A      84.0   13.0   69.0
#1        B      76.0   77.0  127.0
#2        C      28.0   69.0   16.0
#3        D      28.0   28.0   31.0
#4        E      19.0   20.0   85.0
#5        F      84.0  193.0   70.0
#total  NaN     638.0  800.0  796.0

Que tal a soma de todas as colunas?
FaCoffee

9

Semelhante a obter o comprimento de um dataframe,, len(df)o seguinte funcionou para pandas e blaze:

Total = sum(df['MyColumn'])

ou alternativamente

Total = sum(df.MyColumn)
print Total

2

Existem duas maneiras de somar uma coluna

dataset = pd.read_csv ("data.csv")

1: soma (dataset.Column_name)

2: conjunto de dados ['Column_Name']. Sum ()

Se houver algum problema nisso, corrija-me.


1

Como outra opção, você pode fazer algo como abaixo

Group   Valuation   amount
    0   BKB Tube    156
    1   BKB Tube    143
    2   BKB Tube    67
    3   BAC Tube    176
    4   BAC Tube    39
    5   JDK Tube    75
    6   JDK Tube    35
    7   JDK Tube    155
    8   ETH Tube    38
    9   ETH Tube    56

Abaixo do script, você pode usar para os dados acima

import pandas as pd    
data = pd.read_csv("daata1.csv")
bytreatment = data.groupby('Group')
bytreatment['amount'].sum()
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.