仅对熊猫中的数字列求和

Question

我有一个如下所示的 df，（前 2 行是文本，第一列是日期）

In [4]: df
Out[4]: 
           test          bs         dv         if          ir         md         qb         sy          tb
0       TESTacc      a10900     a10900     a10900    IJJMKK11     a10900     a10900     a10900      a10900
1   01-Feb-2019  18.8668013  4.6021207  0.9330807  13.9766832  2.9002571  0.2824343  0.8280988   0.8587644
2   04-Feb-2019   16.187526  3.1000162  0.4145835  14.6465183   2.848472  0.2516608  0.8618771    0.218063

我需要得到这个具有 3 个小数精度的 csv 另外我需要添加一个“总计”列（最右边的列）我已经尝试了以下内容，但这些都不正确

要添加我所做的总列：

ndf=df.iloc[2:,1:] #take only numerics in ndf
ndf = ndf.apply(pd.to_numeric)
ndf=ndf.round(3)
df['total']=ndf.sum(axis=1)

这不是做简单的事情的正确方法，比如添加一个总列

所以我尝试过， df=df.apply(pd.to_numeric,errors='ignore') 但 round 仍然无法在 df 上工作我的意图是只添加一个 Total 列并将所有数字四舍五入到小数点后 3 位。附加：完成此操作后，我将添加最后一行作为中位数行，每列都有中位数

Answer 1

根据最新的 Pandas 文档1.0.3，您只能使用以下代码对数字列求和：

df_sum = df.sum(numeric_only = True)

这将对中的所有数字列求和df并将其分配给变量df_sum。

Answer 2

IIUC，您可能需要：

df['sum']=df.apply(lambda x: pd.to_numeric(x,errors='coerce')).sum(axis=1).round(3)
#for median: df.apply(lambda x: pd.to_numeric(x,errors='coerce')).median(axis=1).round(3)
print(df)

          test          bs         dv         if          ir         md  \
0      TESTacc      a10900     a10900     a10900    IJJMKK11     a10900   
1  01-Feb-2019  18.8668013  4.6021207  0.9330807  13.9766832  2.9002571   
2  04-Feb-2019   16.187526  3.1000162  0.4145835  14.6465183   2.848472   

          qb         sy         tb     sum  
0     a10900     a10900     a10900   0.000  
1  0.2824343  0.8280988  0.8587644  43.248  
2  0.2516608  0.8618771   0.218063  38.529  

您可以使用编辑df.where()，将所有数字舍入为：

df['sum']=df.apply(lambda x: pd.to_numeric(x,errors='coerce')).sum(axis=1)
df=(df.where(df.apply(lambda x: pd.to_numeric(x,errors='coerce')).isna(),
         df.apply(lambda x: pd.to_numeric(x,errors='coerce')).round(3)))
print(df)

          test      bs      dv      if        ir      md      qb      sy  \
0      TESTacc  a10900  a10900  a10900  IJJMKK11  a10900  a10900  a10900   
1  01-Feb-2019  18.867   4.602   0.933    13.977     2.9   0.282   0.828   
2  04-Feb-2019  16.188     3.1   0.415    14.647   2.848   0.252   0.862   

       tb     sum  
0  a10900   0.000  
1   0.859  86.496  
2   0.218  77.057