如何對pandas列的特定行進行求和

Question

我有以下數據：

    W   X   Y   Z   Pnl
A   1   0   0   0   25    
B   1   1   0   0   34    
C   1   0   0   0   -15    
D   0   0   0   1   2    
E   0   1   0   0   88    
F   1   0   0   0   -46

我想要以下輸出：

W   -2  # =25+34-15-46
X   122    
Y   0    
Z   2

Answer 1

使用DataFrame.pop作為提取列，因此DataFrame.mul所有列可能有多個（ Pnl被pop刪除）， DataFrame.sum每行的最后總和：

df = df.mul(df.pop('Pnl'), axis=0).sum() 
print (df)
W     -2
X    122
Y      0
Z      2
dtype: int64

Answer 2

通過對前4列執行廣播乘法來解決此問題，然后對行求和：

df.iloc[:,:-1].mul(df['Pnl'], axis=0).sum()

W     -2
X    122
Y      0
Z      2
dtype: int64

哪里，

df.iloc[:,:-1].mul(df['Pnl'], axis=0)

    W   X  Y  Z
A  25   0  0  0
B  34  34  0  0
C -15   0  0  0
D   0   0  0  2
E   0  88  0  0
F -46   0  0  0

你也可以使用df.mul(df.pop('Pnl'), axis=0).sum()但要注意pop破壞性地修改df ，避免你需要保留輸入。

---

如果性能很重要，請使用numpy ：

# <0.24 versions 
(df.pop('Pnl').values[:,None] * df.values).sum(axis=0)
# v0.24 onwards
(df.pop('Pnl').to_numpy()[:,None] * df.to_numpy()).sum(axis=0)
# array([ -2, 122,   0,   2])

pd.Series((df.pop('Pnl').to_numpy()[:,None] * df.to_numpy()).sum(axis=0),
          index=df.columns)

W     -2
X    122
Y      0
Z      2
dtype: int64

Answer 3

pnl = df[['Pnl']]
df.drop(['Pnl'],axis=1,inplace=True)
res = pd.DataFrame(df.values * pnl.values,columns=df.columns)
final_res= res.sum(axis=0)

輸出：

W     -2
X    122
Y      0
Z      2