Question

假设我有一个这样的列：

例如，我想总结一下b a = 1的值。这会给我5 + 7 + 3 = 15。

我如何在熊猫中这样做？

Answer 1

这里的基本思想是选择你想要求和的数据，然后求它们。这种数据选择可以通过几种不同的方式完成，其中一些如下所示。

布尔索引

可以说，选择值的最常用方法是使用Boolean indexing。

使用此方法，您可以找到列＆＃39; a＆＃39;等于1，然后将列'＆b;＃39;的相应行相加。您可以使用loc来处理行和列的索引：

>>> df.loc[df['a'] == 1, 'b'].sum()
15

布尔索引可以扩展到其他列。例如，df还包含一列＆＃39; c＆＃39;我们想要总结＆＃39; b＆＃39;在哪里＆＃39; a＆＃39;是1和＆＃39; c＆＃39;是2，我们写道：

df.loc[(df['a'] == 1) & (df['c'] == 2), 'b'].sum()

查询

选择数据的另一种方法是使用query过滤您感兴趣的行，选择列＆＃39; b＆＃39;然后总结：

>>> df.query("a == 1")['b'].sum()
15

同样，该方法可以扩展到更复杂的数据选择：

df.query("a == 1 and c == 2")['b'].sum()

请注意，这比布尔索引方法更简洁。

另一种方法是使用groupby根据列＆＃39; a＆＃39;中的值将DataFrame拆分为多个部分。然后，您可以对每个部分求和，并将1加起来的值拉出：

>>> df.groupby('a')['b'].sum()[1]
15

此方法可能比使用布尔索引更慢，但如果要检查列a中其他值的总和，则此方法很有用：

>>> df.groupby('a')['b'].sum()
a
1    15
2     8

Answer 2

您也可以不使用groupby或loc来执行此操作。通过简单地将条件包括在代码中。令数据框的名称为df。然后，您可以尝试：

df[df['a']==1]['b'].sum()

或者您也可以尝试：

sum(df[df['a']==1]['b'])

另一种方法可能是使用python的numpy库：

import numpy as np
print(np.where(df['a']==1, df['b'],0).sum())