python - 在 pandas 中，如何在对 DataFrame 求和时获得 DataFrame 作为输出

Question

当我对 DataFrame 求和时，它返回一个 Series:

In [1]: import pandas as pd
In [2]: df = pd.DataFrame([[1, 2, 3], [2, 3, 3]], columns=['a', 'b', 'c'])

In [3]: df
Out[3]: 
      a  b  c
   0  1  2  3
   1  2  3  3

   In [4]: s = df.sum()

   In [5]: type(s)
   Out[5]: pandas.core.series.Series

我知道我可以通过这个Series构造一个新的DataFrame。但是，还有更“ Pandas ”的方式吗？

Answer 1

我要继续说...“不”，我认为没有直接的方法可以做到这一点，pandastic 方法(以及 pythonic 也是)是明确的:

pd.DataFrame(df.sum(), columns=['sum'])

或者，更优雅地，使用字典(请注意，这会复制求和数组):

pd.DataFrame({'sum': df.sum()})

正如 @root 所说，使用起来更快:

pd.DataFrame(np.sum(df.values, axis=0), columns=['sum'])

(正如Python禅宗所说:“实用胜过纯粹”，所以如果你关心这个时间，就用这个)。

但是，也许最 Pandas 方式就是使用系列!:)

.

一些 %timeit 用于您的小示例:

In [11]: %timeit pd.DataFrame(df.sum(), columns=['sum'])
1000 loops, best of 3: 356 us per loop

In [12]: %timeit pd.DataFrame({'sum': df.sum()})
1000 loops, best of 3: 462 us per loop

In [13]: %timeit  pd.DataFrame(np.sum(df.values, axis=0), columns=['sum'])
1000 loops, best of 3: 205 us per loop

对于稍大一点的:

In [21]: df = pd.DataFrame(np.random.randn(100000, 3), columns=list('abc'))

In [22]: %timeit pd.DataFrame(df.sum(), columns=['sum'])
100 loops, best of 3: 7.99 ms per loop

In [23]: %timeit pd.DataFrame({'sum': df.sum()})
100 loops, best of 3: 8.3 ms per loop

In [24]: %timeit  pd.DataFrame(np.sum(df.values, axis=0), columns=['sum'])
100 loops, best of 3: 2.47 ms per loop