如何通过限制数据框中的行大小来查找列总和？

问题描述

有一个数据框df1：

         DP 1     DP 2    DP 3   DP 4     DP 5    DP 6    DP 7   DP 8    DP 9    DP 10
OP 1    357848  1124788 1735330 2218270 2745596 3319994 3466336 3606286 3833515 3901463
OP 2    352118  1236139 2170033 3353322 3799067 4120063 4647867 4914039 5339085 
OP 3    290507  1292306 2218525 3235179 3985995 4132918 4628910 4909315     
OP 4    310608  1418858 2195047 3757447 4029929 4381982 4588268         
OP 5    443160  1136350 2128333 2897821 3402672 3873311             
OP 6    396132  1333217 2180715 2985752 3691712                 
OP 7    440832  1288463 2419861 3483130                     
OP 8    359480  1421128 2864498                         
OP 9    376686  1363294                             
OP 10   344014                                  

我想通过限制行数来计算每列的总和。

To calculate sum of first column data,Sum(DP1) where row size should be 10-1

To calculate sum of second column data,Sum(DP2) where row size should be 10-2

To calculate sum of Third column data,Sum(DP3) where row size should be 10-3

等等..

输出是这样的：

    3327371  10251249  15047844  18447791  17963259  15954957  12743113  8520325  3833515

我尝试使用 for 循环：

>>dataframe_len = len(df1.columns)
>>print(dataframe_len)
   10
>>for i in range(0,10):
     #Here i need to find the sum of each column 
     #sum('col')(row size is 10-i)

不是关于 DP1 到 DP10（10 列），那里的列太多了。

感谢您的光临:)

解决方法

假设您希望按照您的预期输出而不是根据您的描述，在删除 NA 值然后跳过最后一个值后sum() 每一列：

df.apply(lambda col: col.dropna()[:-1].sum())

输出：

DP 1      3327371.0
DP 2     10251249.0
DP 3     15047844.0
DP 4     18447791.0
DP 5     17963259.0
DP 6     15954957.0
DP 7     12743113.0
DP 8      8520325.0
DP 9      3833515.0
DP 10           0.0

---

附注：您的总和不是第 10-1、10-2、10-3 行等，而是第 9-1、8-1、7-1 行。 IE。您正在跳过每列的最后非 NA 值，而不是顶部的行。

Ex df['DP 1'].sum() 是 3671385 但跳过最后一行 df['DP 1'][:-1].sum() 是 3327371 与您的预期输出匹配。对于 DP2：df['DP 2'].sum() 是 11614543，df['DP 2'].dropna()[:-1].sum() 是 10251249（您的预期值）但 df['DP 2'][2:10].sum() 是 9253616。

,

在这种情况下，您可以总结为倒数第二个last_valid_index()：

df.apply(lambda x: x.iloc[:df.index.get_loc(x.last_valid_index())].sum())

# DP 1      3327371.0
# DP 2     10251249.0
# DP 3     15047844.0
# DP 4     18447791.0
# DP 5     17963259.0
# DP 6     15954957.0
# DP 7     12743113.0
# DP 8      8520325.0
# DP 9      3833515.0
# DP 10           0.0

,

我认为您可以在使用 apply() 时利用列名中的信息

def sum_row(col):
    t = int(col.name.split(' ')[-1])
    return col.iloc[:-t].sum()

df_ = df.apply(sum_row)

# print(df_)

DP 1      3327371.0
DP 2     10251249.0
DP 3     15047844.0
DP 4     18447791.0
DP 5     17963259.0
DP 6     15954957.0
DP 7     12743113.0
DP 8      8520325.0
DP 9      3833515.0
DP 10           0.0
dtype: float64