用透视表创建的表格
df_pt = pd.pivot_table(table,index=["渠道"],values =['推广',
'E类',
'0-17岁',
'18-23岁',
'24-30岁',
'30岁+',
'疾病哺乳类',
'删除类',
'B类',
'男性'],aggfunc = np.sum)
现在想要对L,Y渠道的每个类别的数据求和,即按行求和
df_pt["总和"] =df_pt.apply(lambda x:x.sum(),axis =1)
对每一列求和
df_pt.loc["列总和"] =df_pt.apply(lambda x:x.sum())
对于axis=1在pandas和numpy的理解
在dataframe中,想要drop掉一列,代码为:
df.drop(“列标签”,axis=1)
可在上面的对行求和时 axis=1
对行求和其实是在每一行上取所有列的和,而不是保留每一列的和
即跨列 所以axis=1。
简单的来记就是axis=0代表往跨行(down),
而axis=1代表跨列(across)
换句话说:
使用0值表示沿着每一列或行标签\索引值向下执行方法
使用1值表示沿着每一行或者列标签模向0.行对应的方法