对所有正值和所有负值求和 Pandas

Question

我有以下 dataframe (df)：

 Row Number                                                                                       
Row 0               0.24             0.16                 -0.18           -0.20            1.24
Row 1               0.18             0.12                 -0.73           -0.36           -0.54
Row 2              -0.01             0.25                 -0.35           -0.08           -0.43
Row 3              -0.43             0.21                  0.53            0.55           -1.03
Row 4              -0.24            -0.20                  0.49            0.08            0.61
Row 5              -0.19            -0.29                 -0.08           -0.16            0.34

我试图分别对所有负数和正数求和，例如 sum(neg_numbers) = n 和 sum(pos_numbers) = x

我努力了：

df.groupby(df.agg([('negative' , lambda x : x[x < 0].sum()) , ('positive' , lambda x : x[x > 0].sum())])

无济于事。

我将如何总结这些价值？

先感谢您！

Answer 1

你可以做

sum_pos = df[df>0].sum(1)
sum_neg = df[df<0].sum(1)

如果要获取每行的总和。 如果要对所有值求和而不管行/列如何，可以使用np.nansum

sum_pos = np.nansum(df[df>0])

Answer 2

你可以做

df.mul(df.gt(0)).sum().sum()
Out[447]: 5.0

df.mul(~df.gt(0)).sum().sum()
Out[448]: -5.5

如果需要逐行求和

df.mul(df.gt(0)).sum()
Out[449]: 
1    0.42
2    0.74
3    1.02
4    0.63
5    2.19
dtype: float64

Answer 3

总和的另一种方式：

sum_pos = df.to_numpy().flatten().clip(min=0).sum()
sum_neg = df.to_numpy().flatten().clip(max=0).sum()

对于按列求和：

sum_pos_col = sum(df.to_numpy().clip(min=0))
sum_neg_col = sum(df.to_numpy().clip(max=0))

Answer 4

如果您在 dataframe 中有字符串列并且想要获取特定列的总和，那么

df[df['column_name']>0]['column_name'].sum()
df[df['column_name']<0]['column_name'].sum()