Pandas Dataframe 中的求和行返回 NAN答案

【问题标题】：Summing Rows in Pandas Dataframe returning NANPandas Dataframe 中的求和行返回 NAN
【发布时间】：2017-05-20 08:01:14
【问题描述】：

我正在尝试获取我的 Pandas Dataframe 中每一行的总和：

new_df['cash_change'] = new_df.sum(axis=0)

但是我的结果不断返回NaN

我认为这可能与我将 positions 转换为 Decimal 以进行乘法运算有关：

pos_to_dec = np.array([Decimal(d) for d in security.signals['positions'].values])

我必须这样做才能将我的列相乘。但是我把它扔回去了：

cash_change[security.symbol] = cash_change[security.symbol].astype(float)

这里是完整的方法。它的目标是对每个 security 执行一些列乘法，然后在最后 sum 总和：

def get_cash_change(self):
    """
    Calculate daily cash to be transacted every day. Cash change depends on
    the position (either buy or sell) multiplied by the adjusted closing price
    of the equity multiplied by the trade amount.
    :return:
    """
    cash_change = pd.DataFrame(index=self.positions.index)
    try:

        for security in self.market_on_close_securities:
            # First convert all the positions from floating-point to decimals
            pos_to_dec = np.array([Decimal(d) for d in security.signals['positions'].values])

            cash_change['positions'] = pos_to_dec
            cash_change['bars'] = security.bars['adj_close_price'].values

            # Perform calculation for cash change
            cash_change[security.symbol] = cash_change['positions'] * cash_change['bars'] * self.trade_amount

            cash_change[security.symbol] = cash_change[security.symbol].astype(float)

            # Clean up for next security
            cash_change.drop('positions', axis=1, inplace=True)
            cash_change.drop('bars', axis=1, inplace=True)

    except InvalidOperation as e :
        print("Invalid input : " + str(e))

    # Sum each equities change in cash
    new_df = cash_change.dropna()

    new_df['cash_change'] = new_df.sum(axis=0)

    return cash_change

我的new_df Dataframe 最终看起来像这样：

                MTD       ESS      SIG       SNA  cash_change
price_date                                                   
2000-01-04      0.0      0.00     0.00      0.00          NaN
2000-01-05      0.0      0.00     0.00      0.00          NaN
2000-01-06      0.0      0.00     0.00      0.00          NaN
2000-01-07      0.0      0.00     0.00      0.00          NaN
2000-01-10      0.0      0.00     0.00      0.00          NaN
2000-01-11      0.0      0.00     0.00      0.00          NaN
2000-01-12      0.0      0.00     0.00      0.00          NaN
2000-01-13      0.0      0.00     0.00      0.00          NaN
2000-01-14      0.0      0.00     0.00      0.00          NaN
2000-01-18      0.0      0.00     0.00      0.00          NaN
2000-01-19      0.0      0.00     0.00      0.00          NaN
2000-01-20      0.0      0.00     0.00      0.00          NaN
2000-01-21      0.0      0.00     0.00      0.00          NaN
2000-01-24      0.0   1747.83  1446.71      0.00          NaN
2000-01-25   3419.0      0.00     0.00      0.00          NaN
2000-01-26      0.0      0.00     0.00   1660.38          NaN
2000-01-27      0.0      0.00 -1293.27      0.00          NaN
2000-01-28      0.0      0.00     0.00      0.00          NaN

关于我做错了什么有什么建议吗？或者可能是另一种对每一行的列求和的方法？

【问题讨论】：

我建议添加最小的可重现示例 - stackoverflow.com/help/mcve。这里的人通常愿意提供帮助，但我怀疑很多 SO 用户会用你当前的问题玩这个猜谜游戏

标签： python-2.7 pandas numpy dataframe nan

【解决方案1】：

new_df['cash_change'] = new_df.sum(axis=1)

【讨论】：

这是 OP 最初尝试的导致 NaNs 出现的方法。
@nickil maveli OP 尝试 axis=0
我可以知道这与我发布的答案有何不同吗？如果您有相关内容要添加到此，请编辑您的帖子。
你在我打字的时候发布了答案……当我完成时你已经发布了……它和你的一样。

【解决方案2】：

当您在DF.sum 方法中提供axis=0 时，它会沿索引（如果更容易理解，则垂直方向）执行求和。结果，您只得到与数据框的 4 列相对应的 4 个计算值。然后，您将此结果分配给数据框的新列。由于它们不共享相同的索引轴来重新索引，因此您会得到一系列 NaN 元素。

您实际上想要跨列（水平方向）进行求和。

将该行更改为：

new_df['cash_change'] = new_df.sum(axis=1)  # sum row-wise across each column

现在您将获得有限的计算总和值。

【讨论】：

感谢您的帮助！