การหาผลรวม (Sum) ของ Column เฉพาะใน DataFrame Pandas Python

ใช้ Method .sum() บน Series (Column เดียว) หรือ DataFrame (ทุก Numeric Columns) เพื่อหาผลรวม

ตัวอย่างโค้ด

import pandas as pd

my_data = {
    'Name': pd.Series(['Tom', 'Jane', 'Vin', 'Eve', 'Will']),
    'Age': pd.Series([45, 67, 89, 12, 23]),
    'value': pd.Series([8.79, 23.24, 31.98, 78.56, 90.20])
}

my_df = pd.DataFrame(my_data)
print("The dataframe is:")
print(my_df)

# Sum ของ Column 'Age' - โค้ดต้นฉบับใช้ my_df.sum(1) ซึ่งเป็น Row-wise Sum
# วิธีที่ถูกต้องสำหรับ Column 'Age':
print("\nThe sum of 'Age' column is:")
print(my_df['Age'].sum())

# Sum ของ Column 'value'
print("\nThe sum of 'value' column is:")
print(my_df['value'].sum())

# Sum ทุก Numeric Columns (Column-wise)
print("\nSum of all numeric columns (axis=0):")
print(my_df.sum())

# Row-wise Sum (Axis=1) - โค้ดต้นฉบับทำอย่างนี้
print("\nRow-wise sum (axis=1):")
print(my_df.sum(axis=1))

ผลลัพธ์

The dataframe is:
   Name  Age  value
0  Tom   45   8.79
1  Jane  67  23.24
2  Vin   89  31.98
3  Eve   12  78.56
4  Will  23  90.20

The sum of 'Age' column is:
236

The sum of 'value' column is:
232.77

Sum of all numeric columns (axis=0):
Age     236.00
value   232.77
dtype: float64

Row-wise sum (axis=1):
0     53.79
1     90.24
2    120.98
3     90.56
4    113.20
dtype: float64

คำอธิบาย

• my_df['Age'].sum() - Sum ของ Column 'Age' = 236

• my_df.sum() / my_df.sum(axis=0) - Column-wise Sum ทุก Numeric Columns

• my_df.sum(axis=1) - Row-wise Sum (ผลรวมแต่ละแถว)

• โค้ดต้นฉบับใช้ my_df.sum(1) ซึ่งเท่ากับ axis=1 (Row-wise)

พารามิเตอร์ sum()

Series.sum(axis=0, skipna=True, numeric_only=False, min_count=0)

• skipna=True: ข้าม NaN (Default)
• min_count: จำนวน Non-null ขั้นต่ำ (Default=0, ถ้าน้อยกว่าให้ NaN)

การใช้งานจริง

# Total Sales
total_sales = df['sales'].sum()

# Row Total (เช่น คะแนนรวมต่อคน)
df['total_score'] = df[['math', 'english', 'science']].sum(axis=1)

# Conditional Sum
high_value_sum = df.loc[df['value'] > 50, 'value'].sum()

# Groupby Sum
category_sum = df.groupby('category')['value'].sum()

Cumsum (Cumulative Sum)

# สะสมผลรวม
print(my_df['value'].cumsum())
# 0     8.79
# 1    32.03
# 2    64.01
# 3   142.57
# 4   232.77