目錄
- 準(zhǔn)備工作
- 1.非空值計數(shù)
- 1.1對全表進行操作
- 1.1.1求取每列的非空值個數(shù)
- 1.1.2 求取每行的非空值個數(shù)
- 1.2 對單獨的一行或者一列進行操作
- 1.2.1 求取單獨某一列的非空值個數(shù)
- 1.2.2 求取單獨某一行的非空值個數(shù)
- 1.3 對多行或者多列進行操作
- 1.3.1 求取多列的非空值個數(shù)
- 1.3.2 求取多行的非空值個數(shù)
- 2 sum求和
- 2.1對全表進行操作
- 2.1.1對每一列進行求和
- 2.1.2 對每一行進行求和
- 2.2 對單獨的一行或者一列進行操作
- 2.2.1 對某一列進行求和
- 2.2.2 對某一行進行求和
- 2.3 對多行或者多列進行操作
- 2.3.1 對多列進行求和
- 2.3.2 對多行進行求和
- 總結(jié)
準(zhǔn)備工作
本文用到的表格內(nèi)容如下:
先來看一下原始情形:
import pandas as pd
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df)
result:
分類 貨品 實體店銷售量 線上銷售量 成本 售價
0 水果 蘋果 34 234 12 45
1 家電 電視機 56 784 34 156
2 家電 冰箱 78 345 24 785
3 書籍 python從入門到放棄 25 34 13 89
4 水果 葡萄 789 56 7 398
1.非空值計數(shù)
非空值計數(shù)就是計算某一個去榆中非空數(shù)值的個數(shù)
1.1對全表進行操作
1.1.1求取每列的非空值個數(shù)
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.count())
result:
分類 5
貨品 5
實體店銷售量 5
線上銷售量 5
成本 5
售價 5
dtype: int64
1.1.2 求取每行的非空值個數(shù)
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.count(axis=1))
result:
0 6
1 6
2 6
3 6
4 6
dtype: int64
1.2 對單獨的一行或者一列進行操作
1.2.1 求取單獨某一列的非空值個數(shù)
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df['分類'].count())
result:
5
1.2.2 求取單獨某一行的非空值個數(shù)
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.iloc[0].count())
result:
6
1.3 對多行或者多列進行操作
1.3.1 求取多列的非空值個數(shù)
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df[["分類", "貨品"]].count())
result:
分類 5
貨品 5
dtype: int64
1.3.2 求取多行的非空值個數(shù)
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.iloc[[0, 1]].count())
result:
分類 2
貨品 2
實體店銷售量 2
線上銷售量 2
成本 2
售價 2
dtype: int64
2 sum求和
2.1對全表進行操作
2.1.1對每一列進行求和
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.sum())
result:
分類 水果家電家電書籍水果
貨品 蘋果電視機冰箱python從入門到放棄葡萄
實體店銷售量 982
線上銷售量 1453
成本 90
售價 1473
dtype: object
可以看到,字符串類型的求和直接是字符串拼接,數(shù)字類型就正常的數(shù)學(xué)運算
2.1.2 對每一行進行求和
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.sum(axis=1))
result:
0 325
1 1030
2 1232
3 161
4 1250
dtype: int64
先看運行結(jié)果,我們可以看到,每一行求和的時候直接忽略文本字符類型,只對數(shù)字類型進行求和。就比如第一行的數(shù)據(jù)
分類 貨品 實體店銷售量 線上銷售量 成本 售價
0 水果 蘋果 34 234 12 45
上面的325=34+234+12+45,,其他的行也是如此
2.2 對單獨的一行或者一列進行操作
2.2.1 對某一列進行求和
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df['實體店銷售量'].sum())
result:
982
2.2.2 對某一行進行求和
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.iloc[[0]].sum())
result:
分類 水果
貨品 蘋果
實體店銷售量 34
線上銷售量 234
成本 12
售價 45
dtype: object
當(dāng)然,單獨一行去求和似乎沒卵用
2.3 對多行或者多列進行操作
2.3.1 對多列進行求和
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df[['實體店銷售量', "線上銷售量"]].sum())
result:
實體店銷售量 982
線上銷售量 1453
dtype: int64
2.3.2 對多行進行求和
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.iloc[[0, 1]].sum())
result:
分類 水果家電
貨品 蘋果電視機
實體店銷售量 90
線上銷售量 1018
成本 46
售價 201
dtype: object
總結(jié)
到此這篇關(guān)于Python pandas之求和運算和非空值個數(shù)統(tǒng)計的文章就介紹到這了,更多相關(guān)pandas求和運算和非空值個數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
您可能感興趣的文章:- python中pandas.DataFrame對行與列求和及添加新行與列示例
- python 使用pandas計算累積求和的方法
- Python學(xué)習(xí)筆記之pandas索引列、過濾、分組、求和功能示例
- python pandas消除空值和空格以及 Nan數(shù)據(jù)替換方法
- Python pandas.DataFrame 找出有空值的行
- python解決pandas處理缺失值為空字符串的問題
- pandas 缺失值與空值處理的實現(xiàn)方法
- pandas 添加空列并賦空值案例
- 淺談pandas中對nan空值的判斷和陷阱