Pandas多个数据帧求和

在本文中，我们将介绍如何使用Pandas将多个数据帧进行求和操作。假设我们有多个数据框，每个数据框包含一些数值列，我们想要将这些数据框中的相同列进行求和操作。下面我们将介绍两种方法。

阅读更多：Pandas 教程

方法一：使用concat和groupby函数

首先，我们可以使用concat函数将所有数据框拼接成一个大的数据框。假设我们有三个数据框df1、df2、df3，它们的列名都是相同的，我们可以使用如下代码将它们拼接在一起：

df = pd.concat([df1, df2, df3])

然后，我们可以使用groupby函数将相同的列进行分组，并对这些列进行求和操作：

df_sum = df.groupby(df.columns, axis=1).sum()

其中，axis=1表示我们对列进行分组。通过这种方式，我们就可以将多个数据框中的相同列进行求和。

方法二：使用reduce和add函数

另一种方法是使用reduce和add函数。reduce函数可以将一个序列中的所有元素按照指定的函数进行依次计算，而add函数可以将两个数据框的对应元素相加。因此，我们可以使用reduce和add函数将多个数据框中相同的列进行求和。

首先，我们需要使用reduce函数将多个数据框进行逐个相加：

from functools import reduce
df_sum = reduce(lambda x, y: x.add(y, fill_value=0), [df1, df2, df3])

其中，reduce函数的第一个参数是一个函数，它将对序列中的所有元素进行计算，第二个参数是需要计算的序列。在这里，我们使用了lambda函数，它将接受两个参数x和y，并将它们使用add函数进行相加。fill_value=0表示如果两个数据框中某些位置的值为空，我们将其视为0。

最终，我们将得到一个新的数据框df_sum，它包含了所有相同列的和。

示例

下面我们来看一个示例。假设我们有三个数据框，它们分别如下：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
df2 = pd.DataFrame({'A': [2, 3, 4], 'B': [5, 6, 7], 'C': [8, 9, 1]})
df3 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

现在我们使用以上两种方法将它们求和：

# 方法一
df = pd.concat([df1, df2, df3])
df_sum = df.groupby(df.columns, axis=1).sum()

# 方法二
from functools import reduce
df_sum2 = reduce(lambda x, y: x.add(y, fill_value=0), [df1, df2, df3])

最终我们将得到如下两个数据框：

df_sum:

   A   B   C
0  4  12  24
1  7  16  26
2 10  18  18

df_sum2:

   A   B   C
0  4  12  24
1  7  16  26
2 10  18  18

我们可以看到，它们的结果是完全相同的。

总结

在本文中，我们介绍了两种将多个数据框中相同列进行求和操作的方法。第一种方法使用了concat和groupby函数，第二种方法使用了reduce和add函数。无论使用哪种方法，都可以很方便地将多个数据框进行求和，并得到最终的结果。希望这篇文章对你在使用Pandas进行数据分析和处理时有所帮助。