锐客网

  1. 首页 > it技术 > >

Python|Python pandas之求和运算和非空值个数统计

目录

  • 准备工作
  • 1.非空值计数
    • 1.1对全表进行操作
      • 1.1.1求取每列的非空值个数
      • 1.1.2 求取每行的非空值个数
    • 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
      • 1.2.2 求取单独某一行的非空值个数
    • 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
      • 1.3.2 求取多行的非空值个数
  • 2 sum求和
    • 2.1对全表进行操作
      • 2.1.1对每一列进行求和
      • 2.1.2 对每一行进行求和
    • 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
      • 2.2.2 对某一行进行求和
    • 2.3 对多行或者多列进行操作
      • 2.3.1 对多列进行求和
      • 2.3.2 对多行进行求和
  • 总结

    准备工作 本文用到的表格内容如下:
    Python|Python pandas之求和运算和非空值个数统计
    文章图片

    先来看一下原始情形:
    import pandas as pd?df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df)

    result:
    分类货品实体店销售量线上销售量成本售价
    0水果苹果342341245
    1家电电视机5678434156
    2家电冰箱7834524785
    3书籍python从入门到放弃25341389
    4水果葡萄789567398

    1.非空值计数 非空值计数就是计算某一个去榆中非空数值的个数

    1.1对全表进行操作
    【Python|Python pandas之求和运算和非空值个数统计】
    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())

    result:
    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))

    result:
    06
    16
    26
    36
    46
    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())

    result:
    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())

    result:
    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())

    result:
    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())

    result:
    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())

    result:
    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
    可以看到，字符串类型的求和直接是字符串拼接，数字类型就正常的数学运算

    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))

    result:
    0325
    11030
    21232
    3161
    41250
    dtype: int64
    先看运行结果，我们可以看到，每一行求和的时候直接忽略文本字符类型，只对数字类型进行求和。就比如第一行的数据
    分类货品实体店销售量线上销售量成本售价
    0水果苹果342341245
    上面的325=34+234+12+45,，其他的行也是如此

    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())

    result:
    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())

    result:
    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
    当然，单独一行去求和似乎没卵用

    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())

    result:
    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())

    result:
    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 到此这篇关于Python pandas之求和运算和非空值个数统计的文章就介绍到这了,更多相关pandas求和运算和非空值个数内容请搜索脚本之家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脚本之家！

      推荐阅读


      上一篇：Java数据结构之栈的线性结构详解

      下一篇：一篇文章带你了解Java基础-抽象