对数据帧中的所有值求和

Question

我试图将数据帧中的所有值加总为一个数字.

例如,使用数据帧

            BBG.XAMS.FUR.S_pnl_pos_cost  BBG.XAMS.MT.S_pnl_pos_cost
date                                                               
2015-03-23                    -0.674996                   -0.674997
2015-03-24                    82.704951                   11.868748
2015-03-25                   -11.027327                   84.160210
2015-03-26                   228.426675                 -131.901556
2015-03-27                   -99.744986                  214.579858

我想要返回值377.71658.

我尝试过df.sum(),但只按列进行求和.

任何帮助将非常感激.

Answer 1

我会做

>>> df.values.sum()
377.71658000000002

如果帧是全数字的话,它会下降到底层的numpy数组,并且可能是最快的.但是还有很多其他选择:

>>> %timeit df.values.sum()
100000 loops, best of 3: 6.27 µs per loop
>>> %timeit df.sum().sum()
10000 loops, best of 3: 109 µs per loop
>>> %timeit df.unstack().sum()
1000 loops, best of 3: 233 µs per loop
>>> %timeit df.stack().sum()
1000 loops, best of 3: 190 µs per loop

Answer 2

只需将列总和相加即可：

\n

df.sum().sum()\n

\n

或者为了更好的性能：

\n

np.nansum(df)\n

\n

请注意，您需要使用nansum将 NaN 视为零才能对它们求和。

\n

时间：

\n

# Create dataframe with 1m rows and 100 columns.\nnp.random.seed(0)\nrows = 1_000_000\ncols = 100\ndf = pd.DataFrame(np.random.randn(rows, cols))\n# Add one thousand NaNs.\nfor row, col in zip(np.random.randint(0, rows, 1000),\n                    np.random.randint(0, cols, 1000)):\n    df.iat[row, col] = np.nan\n\n%timeit np.nansum(df)\n# 274 ms \xc2\xb1 3.24 ms per loop (mean \xc2\xb1 std. dev. of 7 runs, 1 loop each)\n\n%timeit df.fillna(0).to_numpy().sum()\n# 974 ms \xc2\xb1 3.97 ms per loop (mean \xc2\xb1 std. dev. of 7 runs, 1 loop each)\n\n%timeit df.sum().sum()\n# 1.04 s \xc2\xb1 3.24 ms per loop (mean \xc2\xb1 std. dev. of 7 runs, 1 loop each)\n\n>>> df.to_numpy().sum()\nnan\n\n>>> np.nansum(df)\n5965.87530314851\n

\n