pandas.Series.sum#

Series.sum(*, axis=None, skipna=True, numeric_only=False, min_count=0, **kwargs)[源代码][源代码]#

返回所请求轴上值的总和。

这等同于 numpy.sum 方法。

参数:

轴{索引 (0)}: 要应用函数的轴。对于 Series，此参数未使用并默认为 0。

警告

在使用 axis=None 的情况下，DataFrame.sum 的行为已被弃用，在未来的版本中，这将同时对两个轴进行缩减并返回一个标量。要保留旧的行为，请传递 axis=0（或不传递 axis）。

Added in version 2.0.0.
skipna布尔值, 默认为 True: 在计算结果时排除NA/null值。
numeric_onlybool, 默认 False: 仅包含浮点数、整数、布尔列。未对 Series 实现。
min_countint, 默认 0: 执行操作所需的有效值数量。如果少于 min_count 个非NA值，结果将是NA。
**kwargs: 要传递给函数的其他关键字参数。

返回:

标量或系列（如果指定了级别）: 请求轴的值的总和。

参见

numpy.sum: 用于计算总和的等效 numpy 函数。
Series.mean: 值的平均数。
Series.median: 值的中位数。
Series.std: 值的标准偏差。
Series.var: 值的方差。
Series.min: 最小值。
Series.max: 最大值。

例子

>>> idx = pd.MultiIndex.from_arrays(
...     [["warm", "warm", "cold", "cold"], ["dog", "falcon", "fish", "spider"]],
...     names=["blooded", "animal"],
... )
>>> s = pd.Series([4, 2, 0, 8], name="legs", index=idx)
>>> s
blooded  animal
warm     dog       4
         falcon    2
cold     fish      0
         spider    8
Name: legs, dtype: int64

>>> s.sum()
14

默认情况下，空或全为NA的Series的总和是 0。

>>> pd.Series([], dtype="float64").sum()  # min_count=0 is the default
0.0

这可以通过 min_count 参数来控制。例如，如果你希望空系列的和为 NaN，传递 min_count=1。

>>> pd.Series([], dtype="float64").sum(min_count=1)
nan

由于 skipna 参数，min_count 处理全NA和空系列的方式相同。

>>> pd.Series([np.nan]).sum()
0.0

>>> pd.Series([np.nan]).sum(min_count=1)
nan