如何对熊猫数据框的子集中的列求和答案

【问题标题】：How to sum a column within a subset of a pandas dataframe如何对熊猫数据框的子集中的列求和
【发布时间】：2019-03-12 07:51:49
【问题描述】：

我对 Python 及其在 GIS 中的应用非常陌生。

使用 Jupyter 笔记本，我正在处理一个太大而无法用 excel 打开的数据集。它有近 800000 行和 61 列。

现在，我需要查询数据框以创建感兴趣的子集，在本例中为 2 列：OBJECTID 和 Landuse，每列都有一个特定范围：

import pandas
df = pd.read_csv('.big file.csv')
grass_ID4440 = df[(df.OBJECTID == 4440) & (df.Landuse == 'Grass - Urban')]

这个子集有 38 行。现在，如果我只想对这 38 行的面积求和，我应该采用哪种逻辑/方法？

这是我的想法：

area_ID4440 = grass_ID4440['Area'].sum()

这在逻辑上显然是错误的，因为它吐出了整个数据集的总面积之和。

提前谢谢你！

【问题讨论】：

据我所知，grass_ID4440 只包含所需的 38 行，因此使用 grass_ID4440['Area'].sum() 只能对这些区域求和。
请显示所需的输出，因为单个总和似乎可以回答 我想对这 38 行的面积求和。

标签： python python-3.x pandas indexing

【解决方案1】：

你的逻辑应该工作正常。但值得指出的是，您应该尽可能避免在文档中使用链式索引explicitly discouraged。这消除了使用副本与视图的歧义，但也使您的逻辑更清晰。

有几个选项：-

重用布尔索引

一种常用的方法是计算一个布尔掩码（昂贵的部分）并在后续计算中重复使用：

mask = (df['OBJECTID'] == 4440) & (df['Landuse'] == 'Grass - Urban')
grass_ID4440 = df[mask]  # this is a view based on df
area_ID4440 = df.loc[mask, 'Area'].sum()  # scalar output

制作显式副本

这样，对数据框切片的任何更改都不会影响您的原始数据框：

mask = (df['OBJECTID'] == 4440) & (df['Landuse'] == 'Grass - Urban')
grass_ID4440 = df[mask].copy()  # this is a copy, changes will not be reflected in df
area_ID4440 = df.loc[mask, 'Area'].sum()  # scalar output

【讨论】：