準(zhǔn)備工作

本文用到的表格內(nèi)容如下:

先來(lái)看一下原始情形:

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

result:

   分類            貨品  實(shí)體店銷售量  線上銷售量  成本   售價(jià)
0  水果            蘋(píng)果      34    234  12   45
1  家電           電視機(jī)      56    784  34  156
2  家電            冰箱      78    345  24  785
3  書(shū)籍  python從入門(mén)到放棄      25     34  13   89
4  水果            葡萄     789     56   7  398

1.非空值計(jì)數(shù)

非空值計(jì)數(shù)就是計(jì)算某一個(gè)去榆中非空數(shù)值的個(gè)數(shù)

1.1對(duì)全表進(jìn)行操作

1.1.1求取每列的非空值個(gè)數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')
print(df.count())

result:

分類        5
貨品        5
實(shí)體店銷售量    5
線上銷售量     5
成本        5
售價(jià)        5
dtype: int64

1.1.2 求取每行的非空值個(gè)數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')
print(df.count(axis=1))

result:

0    6
1    6
2    6
3    6
4    6
dtype: int64

1.2 對(duì)單獨(dú)的一行或者一列進(jìn)行操作

1.2.1 求取單獨(dú)某一列的非空值個(gè)數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')
print(df['分類'].count())

result:

5

1.2.2 求取單獨(dú)某一行的非空值個(gè)數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')
print(df.iloc[0].count())

result:

6

1.3 對(duì)多行或者多列進(jìn)行操作

1.3.1 求取多列的非空值個(gè)數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測(cè)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(gè)數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')
print(df.iloc[[0, 1]].count())

result:

分類        2
貨品        2
實(shí)體店銷售量    2
線上銷售量     2
成本        2
售價(jià)        2
dtype: int64

2 sum求和

2.1對(duì)全表進(jìn)行操作

2.1.1對(duì)每一列進(jìn)行求和

df = pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')
print(df.sum())

result:

分類                   水果家電家電書(shū)籍水果
貨品        蘋(píng)果電視機(jī)冰箱python從入門(mén)到放棄葡萄
實(shí)體店銷售量                      982
線上銷售量                      1453
成本                           90
售價(jià)                         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(yùn)算

2.1.2 對(duì)每一行進(jìn)行求和

df = pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')
print(df.sum(axis=1))

result:

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

先看運(yùn)行結(jié)果，我們可以看到，每一行求和的時(shí)候直接忽略文本字符類型，只對(duì)數(shù)字類型進(jìn)行求和。就比如第一行的數(shù)據(jù)

   分類            貨品  實(shí)體店銷售量  線上銷售量  成本   售價(jià)
0  水果            蘋(píng)果      34    234  12   45

上面的325=34+234+12+45,，其他的行也是如此

2.2 對(duì)單獨(dú)的一行或者一列進(jìn)行操作

2.2.1 對(duì)某一列進(jìn)行求和

df = pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')
print(df['實(shí)體店銷售量'].sum())

result:

982

2.2.2 對(duì)某一行進(jìn)行求和

df = pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')
print(df.iloc[[0]].sum())

result:

分類         水果
貨品         蘋(píng)果
實(shí)體店銷售量     34
線上銷售量     234
成本         12
售價(jià)         45
dtype: object

當(dāng)然，單獨(dú)一行去求和似乎沒(méi)卵用

2.3 對(duì)多行或者多列進(jìn)行操作

2.3.1 對(duì)多列進(jìn)行求和

df = pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')
print(df[['實(shí)體店銷售量', "線上銷售量"]].sum())

result:

實(shí)體店銷售量     982
線上銷售量     1453
dtype: int64

2.3.2 對(duì)多行進(jìn)行求和

df = pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')
print(df.iloc[[0, 1]].sum())

result:

分類         水果家電
貨品        蘋(píng)果電視機(jī)
實(shí)體店銷售量       90
線上銷售量      1018
成本           46
售價(jià)          201
dtype: object

總結(jié)

到此這篇關(guān)于Python pandas之求和運(yùn)算和非空值個(gè)數(shù)統(tǒng)計(jì)的文章就介紹到這了,更多相關(guān)pandas求和運(yùn)算和非空值個(gè)數(shù)內(nèi)容請(qǐng)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！