如何在DataFrame同一列中按行累加对应数值？

你可以通过以下几种方式对total_volumes列中各行的对应数值进行累加：

方法一：拆分列后求和 #

先将列表类型的列拆分为两个独立列，再分别计算总和：

import pandas as pd

# 把列表拆成timestamp和volume两列
df[['timestamp', 'volume']] = df['total_volumes'].apply(pd.Series)

# 计算对应数值的累加结果
total_timestamp = df['timestamp'].sum()
total_volume = df['volume'].sum()

这种方式的好处是拆分后的列可以用于后续其他分析操作。

方法二：直接遍历累加 #

初始化两个变量，遍历列中每个列表元素，分别累加对应位置的数值：

total_ts = 0
total_vol = 0

for item in df['total_volumes']:
    total_ts += item[0]
    total_vol += item[1]

这种方式逻辑直观，不需要额外生成新列。

方法三：列表推导式结合sum函数 #

用列表推导式提取所有对应位置的数值，再用sum()计算总和：

# 提取所有第一个元素和第二个元素
timestamps = [x[0] for x in df['total_volumes']]
volumes = [x[1] for x in df['total_volumes']]

# 计算累加结果
total_ts = sum(timestamps)
total_vol = sum(volumes)

这种写法简洁高效，适合快速计算总和。

内容的提问来源于stack exchange，提问作者Habi