Python pandas中count与sum函数的用法详解

准备工作

本文使用的测试数据表格结构如下：

首先查看原始数据状态：

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

运行结果如下：

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

非空值计数旨在统计指定范围内非空数值的数量。

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())

运行结果如下：

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))

运行结果如下：

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())

运行结果如下：

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())

运行结果如下：

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())

运行结果如下：

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())

运行结果如下：

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())

运行结果如下：

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

观察结果可知，字符串类型的列执行求和时表现为字符串拼接，而数值类型则执行正常的数学加法运算。

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))

运行结果如下：

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

分析运行结果可以发现，按行求和时会忽略文本字符类型的数据，仅对数值类型进行累加。以第一行为例：

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

上述结果中，325等于34加234加12加45，其余行的计算逻辑相同。

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())

运行结果如下：

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())

运行结果如下：

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

需要注意的是，单独对某一行执行求和在实际业务场景中应用较少。

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())

运行结果如下：

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())

运行结果如下：

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

至此，关于Python pandas中求和运算和非空值个数统计的介绍已完成。如需了解更多相关pandas求和运算和非空值个数内容，请搜索本站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本站！