Python3 Pandas DataFrame 对某一列求和
在操作pandas的DataFrame的时候，常常会遇到某些列是字符串，某一些列是数值的情况，如果直接使用df_obj.apply(sum)往往会出错

使用如下方式即可对其中某一列进行求和
dataf_test1['diff'].sum()  // diff为要求和的列

对DataFrame 对某一列求和 

输入：

   index times
0     10   100
1     20   200
2     30   300
3     40   400

输出：

sum_int = 100
sum_str = '100200300400'

 Python 用 sum 函数实现：

import pandas as pd

dt = {'index': [10, 20, 30, 40], 'times': ['100', '200', '300', '400'], }
df = pd.DataFrame(dt)

sum_int = df['index'].sum()
sum_str = df['times'].sum()

 

如图，如求没有勾选的行的和，下底的和还是全部行的和。可以用下面的方式
 tradeFeeAmount.SummaryItem.SetSummary(DevExpress.Data.SummaryItemType.Sum, “求得的和”);
tradeFeeAmount 是金额这一列的列名。

对 v2 列分组，映射成分组 ID 列，然后做平均值统计便可。
请参考以下代码
'''
按区间对某列做分组，然后统计各组的另一列的平均值。
author: 李毅
'''
import numpy as np
import pandas as pd
df = pd.DataFrame([
[0.1, 1],
[0.2, 2],
[0.3, 3],
[0.4, 4],
[0.5, 5],
[0.6, 6],
], columns=['v1', 'v2'])
# 对列 v2 分组。
# 除了 np.histogram ，还可以用等距法等分区间，这取决于你的业务需求。
ranges = np.histogram(df.v2.values, 3)[1]
def tag_v2(value, ranges):
''' 用分组 ID 对 v2 值做标签。 '''
for i in range(len(ranges) - 1):
if value >= ranges[i] and value <= ranges[i+1]:
return i
return -1
# 添加 v2 标签列。
df['v2_tag'] = df.v2.apply(lambda i: tag_v2(i, ranges))
print df
输出结果
v1    v2    v2_tag
0    0.1    1    0
1    0.2    2    0
2    0.3    3    1
3    0.4    4    1
4    0.5    5    2
5    0.6    6    2
统计平均值
print df.groupby('v2_tag')['v1'].mean()
输出结果
v2_tag
0    0.15
1    0.35
2    0.55
Name: v1, dtype: float64