Pandas: cómo sumar columnas según una condición

Actualizado por ultima vez el 7 de mayo de 2021, por .

Puede usar la siguiente sintaxis para sumar los valores de una columna en un DataFrame de pandas según una condición:

df. loc [df [' col1 '] == algún_valor , ' col2 ']. suma ()

Este tutorial proporciona varios ejemplos de cómo usar esta sintaxis en la práctica usando el siguiente DataFrame de pandas:

importar pandas como pd

#create DataFrame 
df = pd. DataFrame ({' equipo ': ['A', 'A', 'A', 'B', 'B', 'C'],
                   ' conferencia ': ['Este', 'Este', 'Este', 'Oeste', 'Oeste', 'Este'],
                   ' puntos ': [11, 8, 10, 6, 6, 5],
                   ' rebotes ': [7, 7, 6, 9, 12, 8]})

#view DataFrame
 df

        puntos de conferencia del equipo rebotes
0 A Este 11 7
1 A Este 8 7
2 A Este 10 6
3 B Oeste 6 9
4 B Oeste 6 12
5 C Este 5 8

Ejemplo 1: sumar una columna en función de una condición

El siguiente código muestra cómo encontrar la suma de los puntos para las filas donde el equipo es igual a ‘A’:

df. loc [df [' equipo '] == ' A ', ' puntos ']. suma ()

29

Ejemplo 2: sumar una columna en función de varias condiciones

El siguiente código muestra cómo encontrar la suma de los puntos para las filas donde el equipo es igual a ‘A’ y donde la conferencia es igual a ‘Este’:

df. loc [(df [' equipo '] == ' A ') & (df [' conferencia '] == ' Este '), ' puntos ']. suma ()

29

Ejemplo 3: Sumar una columna en función de una de varias condiciones

El siguiente código muestra cómo encontrar la suma de los puntos para las filas donde el equipo es igual a ‘A’ o ‘B’:

df. loc [df [' equipo ']. isin ([' A ', ' B ']), ' puntos ']. suma ()

41

Puedes encontrar más tutoriales sobre pandas en esta página .

  • https://r-project.org
  • https://www.python.org/
  • https://www.stata.com/

Deja un comentario

Un intervalo de confianza para una probabilidad binomial se calcula utilizando la siguiente fórmula: Intervalo de confianza = p +/-…
statologos comunidad-2

Compartimos información EXCLUSIVA y GRATUITA solo para suscriptores (cursos privados, programas, consejos y mucho más)

You have Successfully Subscribed!