Python pandas之求和运算和非空值个数统计

编辑: admin 分类: python 发布时间: 2021-12-03 来源:互联网

准备工作

本文用到的表格内容如下:

先来看一下原始情形:

import pandas as pd

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df)

result:

   分类    货品实体店销售量线上销售量成本售价
0 水果    苹果    34    234 12 45
1 家电电视机    56    784 34 156
2 家电    冰箱    78    345 24 785
3 书籍 python从入门到放弃    25 34 13 89
4 水果            葡萄 789 56 7 398

1.非空值计数

非空值计数就是计算某一个去榆中非空数值的个数

1.1对全表进行操作

1.1.1求取每列的非空值个数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df.count())

result:

分类    5
货品    5
实体店销售量    5
线上销售量 5
成本        5
售价    5
dtype: int64

1.1.2 求取每行的非空值个数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df.count(axis=1))

result:

0    6
1    6
2    6
3    6
4    6
dtype: int64

1.2 对单独的一行或者一列进行操作

1.2.1 求取单独某一列的非空值个数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df['分类'].count())

result:

5

1.2.2 求取单独某一行的非空值个数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df.iloc[0].count())

result:

6

1.3 对多行或者多列进行操作

1.3.1 求取多列的非空值个数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df[["分类", "货品"]].count())

result:

分类 5
货品 5
dtype: int64

1.3.2 求取多行的非空值个数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df.iloc[[0, 1]].count())

result:

分类    2
货品    2
实体店销售量    2
线上销售量 2
成本    2
售价        2
dtype: int64

2 sum求和

2.1对全表进行操作

2.1.1对每一列进行求和

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df.sum())

result:

分类水果家电家电书籍水果
货品    苹果电视机冰箱python从入门到放弃葡萄
实体店销售量    982
线上销售量    1453
成本 90
售价                         1473
dtype: object

可以看到，字符串类型的求和直接是字符串拼接，数字类型就正常的数学运算

2.1.2 对每一行进行求和

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df.sum(axis=1))

result:

0 325
1    1030
2    1232
3 161
4    1250
dtype: int64

先看运行结果，我们可以看到，每一行求和的时候直接忽略文本字符类型，只对数字类型进行求和。就比如第一行的数据

分类货品实体店销售量线上销售量成本售价
0 水果苹果 34 234 12 45

上面的325=34+234+12+45,，其他的行也是如此

2.2 对单独的一行或者一列进行操作

2.2.1 对某一列进行求和

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df['实体店销售量'].sum())

result:

982

2.2.2 对某一行进行求和

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df.iloc[[0]].sum())

result:

分类水果
货品苹果
实体店销售量 34
线上销售量 234
成本 12
售价 45
dtype: object

当然，单独一行去求和似乎没卵用

2.3 对多行或者多列进行操作

2.3.1 对多列进行求和

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df[['实体店销售量', "线上销售量"]].sum())

result:

实体店销售量 982
线上销售量 1453
dtype: int64

2.3.2 对多行进行求和

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df.iloc[[0, 1]].sum())

result:

分类水果家电
货品    苹果电视机
实体店销售量 90
线上销售量    1018
成本 46
售价    201
dtype: object

总结

到此这篇关于Python pandas之求和运算和非空值个数统计的文章就介绍到这了,更多相关pandas求和运算和非空值个数内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！

【原URL http://www.yidunidc.com/tw.html复制请保留原URL】

海外服务器

Python pandas之求和运算和非空值个数统计

目录

准备工作

1.非空值计数

1.1对全表进行操作

1.1.1求取每列的非空值个数

1.1.2 求取每行的非空值个数

1.2 对单独的一行或者一列进行操作

1.2.1 求取单独某一列的非空值个数

1.2.2 求取单独某一行的非空值个数

1.3 对多行或者多列进行操作

1.3.1 求取多列的非空值个数

1.3.2 求取多行的非空值个数

2 sum求和

2.1对全表进行操作

2.1.1对每一列进行求和

2.1.2 对每一行进行求和

2.2 对单独的一行或者一列进行操作

2.2.1 对某一列进行求和

2.2.2 对某一行进行求和

2.3 对多行或者多列进行操作

2.3.1 对多列进行求和

2.3.2 对多行进行求和

总结