这里的基本思想是选择要求和的数据，然后将它们求和。可以通过几种不同的方式来选择数据，以下显示了其中几种。
布尔索引
可以说，选择值的最常见方法是使用布尔索引。
使用此方法，您可以找出列“ a”等于哪里
1，然后将列“ b”的相应行求和。您可以
loc用来处理行和列的索引：
>>> df.loc[df['a'] == 1, 'b'].sum()15
布尔索引可以扩展到其他列。例如，如果
df还包含列“ c”，并且我们想对“ b”中的行求和，其中“ a”为1，而“ c”为2，则可以这样写：
df.loc[(df['a'] == 1) & (df['c'] == 2), 'b'].sum()
询问
选择数据的另一种方法是用于
query过滤您感兴趣的行，选择列“ b”，然后求和：
>>> df.query("a == 1")['b'].sum()15同样，该方法可以扩展为对数据进行更复杂的选择：
df.query("a == 1 and c == 2")['b'].sum()请注意，这比布尔索引方法更简洁。
通过…分组
另一种方法是
groupby根据“
a”列中的值将Dataframe分为多个部分。然后，您可以将每个部分相加并得出1的总和：
>>> df.groupby('a')['b'].sum()[1]15这种方法可能比使用布尔索引慢，但如果要检查column中其他值的总和，该方法很有用
a：
>>> df.groupby('a')['b'].sum()a1 152 8
