Python DataFrame 行求和

在数据处理和分析的过程中，我们经常需要对 DataFrame 的行进行求和操作。Python 的 Pandas 库为我们提供了非常方便的方法来实现这个功能。本文将详细介绍如何使用 Pandas 完成 DataFrame 行求和的操作。

一、背景

在处理实际的数据分析任务时，我们通常会使用 Pandas 来加载和处理数据。DataFrame 是 Pandas 中最基本的数据结构之一，它使用类似于表格的形式来存储数据，并提供了丰富的方法和函数来灵活地处理数据。

DataFrame 由行和列组成，每行代表一个观察样本或数据记录，每列代表不同的特征或变量。对于每一行，我们可能需要计算一些统计量，比如求和、平均值等，以便更好地理解数据或生成新的特征。

二、使用 Pandas 求和操作

Pandas 库提供了多种方法来对 DataFrame 的行进行求和操作。下面将介绍两种常用的方法：使用 sum() 函数和使用 apply() 方法。

1. 使用 sum() 函数

sum() 函数是 Pandas 中用于求和的基本函数，可以直接应用于 DataFrame 对象。

首先，我们需要创建一个示例的 DataFrame 对象用于演示：

import pandas as pd

data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}

df = pd.DataFrame(data)

创建完成后，我们可以使用 sum() 函数对 DataFrame 的行进行求和：

row_sum = df.sum(axis=1)
print(row_sum)

运行结果如下：

0    12
1    15
2    18
dtype: int64

可以看到，sum() 函数返回了一个新的 Series 对象，其中包含了每一行的求和结果。

2. 使用 apply() 方法

另一种方法是使用 apply() 方法，该方法可以对 DataFrame 的每个元素或行进行函数应用。

我们可以定义一个自定义函数，然后使用 apply() 方法将其应用于 DataFrame 的每一行，实现对行的求和操作。

def row_sum(row):
    return row.sum()

row_sum = df.apply(row_sum, axis=1)
print(row_sum)

运行结果与之前的方法相同：

0    12
1    15
2    18
dtype: int64

可以看到，apply() 方法也返回了一个包含每一行求和结果的 Series 对象。

三、加权求和

除了对行进行简单的求和外，有时我们还需要对每个元素进行加权求和。在 Pandas 中，我们可以使用 dot() 方法来实现加权求和操作。

首先，我们需要创建一个带有权重的示例 DataFrame：

weights = [0.2, 0.3, 0.5]

df_weighted = df.multiply(weights, axis=1)

接下来，我们可以使用 dot() 方法来进行加权求和：

weighted_sum = df_weighted.sum(axis=1)
print(weighted_sum)

运行结果如下：

0    5.1
1    6.3
2    7.5
dtype: float64

可以看到，加权求和的结果是一个包含每一行加权求和结果的 Series 对象。

四、忽略缺失值的求和

在某些情况下，DataFrame 中可能存在缺失值。默认情况下，Pandas 在求和时会将缺失值排除在外。如果我们希望在求和时忽略缺失值，可以使用 skipna=False 参数。

下面是一个示例，展示了如何使用 skipna=False 参数求和忽略缺失值：

import numpy as np

data_with_na = {
    'A': [1, np.nan, 3],
    'B': [4, 5, np.nan],
    'C': [7, 8, 9]
}

df_with_na = pd.DataFrame(data_with_na)

row_sum_with_na = df_with_na.sum(axis=1, skipna=False)
print(row_sum_with_na)

运行结果如下：

0     NaN
1     NaN
2    17.0
dtype: float64

可以看到，当存在缺失值时，求和结果为 NaN。

五、总结

本文介绍了使用 Pandas 库对 DataFrame 行进行求和的方法。我们学习了两种常用的求和方法：使用 sum() 函数和使用 apply() 方法。另外，我们还学习了如何进行加权求和和如何忽略缺失值。