如何在Python中求和两个数组？

Question

我做了一个这样的DataFrame：

import numpy as np
import pandas as pd 

occurrence = np.array([4, 5, 4, 0, 1, 4, 3])
year = np.array([1851,1852,1853,1854,1855,1856,1857])
disaster = {"occur":pd.Series(occur),"year":pd.Series(year)}
df =  pd.DataFrame(disaster)

现在我想做一个函数，这样，当我给两年时，它会给我这两年出现的总和。 如果我把1851和1852 ，它会告诉我发生的是9 。

我写了这样的函数，但它显示错误：

def dist(s1,s2):
    return (sum (year>=s1 and year< s2))

print dist(s1,s2)

Answer 1

print(df.loc[df['year'].isin((1851,1852))]["occur"].sum())

要么：

 print(df.loc[df.year.isin((1851,1852))].occur.sum())

对于一系列日期，创建范围列表似乎比使用&更有效：

df.loc[df.year.isin(range(s1, s2+1))].occur.sum()

Answer 2

如果你只是想要一个numpy方法，你会做类似的事情：

import numpy as np

occurrence= np.array([4, 5, 4, 0, 1, 4, 3])
year = np.array([1851,1852,1853,1854,1855,1856,1857])

year1, year2 = 1851, 1852
mask = (year == year1) | (year == year2)
print occurrence[mask].sum()

请注意，如果你想要这两年之间所有出现的总和，你会做更多的事情：

mask = (year >= year1) & (year <= year2)

使用pandas ，同样的方法仍然有效，但正如其他人已经指出的那样，如果你只对这两年感兴趣（而不是它们之间的间隔），那么使用isin方法构建布尔掩码有更有效的方法。

Answer 3

你需要使用&而不是and 。 这意味着你的功能应该是：

def dist(s1, s2):
    return df.occur[(df.year >= s1) & (df.year <= s2)].sum()

然后你有：

In [72]: dist(1851, 1852)
Out[72]: 9

1851 <= df.year和df.year <= 1852创建了一个布尔系列。 Python and不能像我们想的那样使用这些对象 - 它实质上在每个系列上调用bool ，这会导致错误。 在另一方面， &将进行逐元素，并返回True当这两个系列是True 。

您可能还会发现isin()对于给定日期列表的值求和非常有用。 例如：

>>> df.occur[df.year.isin([1851, 1852])].sum()
9

Answer 4

In [21]: import numpy as np

In [22]: import pandas as pd

In [23]: occurrence= np.array([4, 5, 4, 0, 1, 4, 3])

In [24]: year = np.array([1851,1852,1853,1854,1855,1856,1857])

In [25]: my_func = lambda *l: sum([x[0] for x in zip(occurrence, year) if x[1] in l])

In [26]: my_func(1851, 1852)
Out[26]: 9

In [27]: