Python对表的行列求和
 
比如有一个成绩表：
 
np.random.seed(666)
a = np.random.randint(60, 100, (10, 6))
df = pd.DataFrame(a, 
                 index = ['A1', 'A2', 'A3', 'A4', 'A5', 'A6', 'A7', 'A8', 'A9', 'A10'], 
                 columns = ['语文', '数学', '英语', '物理', '化学', '生物'])
df
 
——输出：
 
 
对列求和（即求各科目所有学生的成绩），直接对表用公式sum()即可：
 
df.loc['列汇总']=df.sum()
df
 
——输出：
 
 
对行求和:
 
这是最开始老师教的方法：
 
df['总分'] = df.语文+df.数学+df.英语+df.物理+df.化学+df.生物
 
——结果
 
 总觉得麻烦了些，刚好学到索引和切片，琢磨着发现只能实现对一行求和，需要套用循环：
 
df['总分']=0
for i in range(len(df)):
    df['总分'][i]=df.iloc[i,:].sum()
df
 
——结果：
 
 后来想到昨天学的转置，可以完美解决，而且代码及其简单：
 
df['行汇总']=df.T.sum()
df
 
——结果：
 
 
这个方法可以应用到列表汇总的各项公式上。对分组列表汇总用到的公式包括但不仅限于：
 gp.count()
 gp.mean()
 gp.sum()
 gp.std()
 gp.var()

类似于matlab 的sum函数。

#按行求和
df['row_sum'] = df.apply(lambda x: x.sum(), axis=1)

#按列求和
df.loc['col_sum'] = df.apply(lambda x: x.sum())

#或者
df.loc['col_sum'] = limit_data1.sum()

df['row_sum'] = df.sum(axis=1)

#.sum()的方法确实快一点点,随便拿了一份60w左右的数据测试了一下
 
 
按列求和并追加到最后一行 100次
 
 
 
sum方法快了0.02秒左右
 
按行求和速度应该快很多，因为apply方法跑了几秒没出来我就没跑了，sum方法是0.06秒左右。

一、excel行列求和，快捷键：ALT+=
 1.新建excel如下图：
 
 2.选中要累加的单元格，如下图：也就是除数值以外，多选一行，多选一列。
 
 3.选中后，使用快捷键alt+=即可行列分别求和。如下图：
 
 二、向右填充，Ctrl+R
 我们“钢铁侠”为例,向右选中我们要填充的列，如下图：
 
 
 如上图选中后，按住ctrl+R,如下图所示：