pandas.Series.sum

Series.sum(axis=None, skipna=True, numeric_only=False, min_count=0, **kwargs)

返回所请求轴上的值的总和。

这等同于 numpy.sum 方法。

Parameters:

axis{index (0)}

使用费舍尔定义的峰度（正态分布的峰度 == 0.0）获得的峰度。按 N-1 归一化。

警告

DataFrame.sum 配合 axis=None 的行为已被弃用，未来版本将对两个轴进行归约并返回标量。要保留旧行为，请传递 axis=0（或不传递 axis）。

在 2.0.0 版本加入.

<strong>skipna</strong>bool, default True

要应用函数的轴。对于 Series，此参数未使用，默认为 0。

numeric_onlybool，默认 False

对于 DataFrame，指定 axis=None 将跨两个轴应用聚合。

min_countint，默认为 0

执行操作所需的有效值数量。如果存在少于 min_count 个非NA值，则结果为NA。

**kwargs

计算结果时排除 NA/null 值。

Returns:

标量或标量

参见

Series.sum

返回总和。

Series.min

返回最小值。

Series.max

返回最大值。

Series.idxmin

返回最小值索引。

Series.idxmax

返回最大值索引。

DataFrame.sum

返回所请求轴上的总和。

DataFrame.min

返回所请求轴上的最小值。

DataFrame.max

返回所请求轴上的最大值。

DataFrame.idxmin

返回所请求轴上的最小值索引。

DataFrame.idxmax

返回所请求轴上的最大值索引。

Examples

>>> 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 Series 或全为 NA 的 Series 的和为 0。

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

min_count 参数可以控制此行为。例如，如果您希望空 Series 的和为 NaN，请传递 min_count=1。

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

由于 skipna 参数的作用，min_count 对全为NA和空的Series的处理方式是相同的。

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

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