您可以只使用sum并将axis=1设置为对行求和，这将忽略非数字列;在pandas 2.0+中，还需要指定numeric_only=True。

In [91]:

df = pd.DataFrame({'a': [1,2,3], 'b': [2,3,4], 'c':['dd','ee','ff'], 'd':[5,9,1]})
df['e'] = df.sum(axis=1, numeric_only=True)
df
Out[91]:
   a  b   c  d   e
0  1  2  dd  5   8
1  2  3  ee  9  14
2  3  4  ff  1   8

如果你只想对特定的列求和，那么你可以创建一个列的列表，并删除你不感兴趣的列：

In [98]:

col_list= list(df)
col_list.remove('d')
col_list
Out[98]:
['a', 'b', 'c']
In [99]:

df['e'] = df[col_list].sum(axis=1)
df
Out[99]:
   a  b   c  d  e
0  1  2  dd  5  3
1  2  3  ee  9  5
2  3  4  ff  1  7

sum docs

如果你只有几列要求和，你可以这样写：

df['e'] = df['a'] + df['b'] + df['d']

这将创建新列e，其值为：

a  b   c  d   e
0  1  2  dd  5   8
1  2  3  ee  9  14
2  3  4  ff  1   8

对于较长的列列表，EdChum的答案是首选。

创建要添加的列名列表。

df['total']=df.loc[:,list_name].sum(axis=1)

如果需要某些行的总和，请使用“：”指定行

这是使用iloc选择要求和的列的一种更简单的方法：

df['f']=df.iloc[:,0:2].sum(axis=1)
df['g']=df.iloc[:,[0,1]].sum(axis=1)
df['h']=df.iloc[:,[0,3]].sum(axis=1)

产生：

a  b   c  d   e  f  g   h
0  1  2  dd  5   8  3  3   6
1  2  3  ee  9  14  5  5  11
2  3  4  ff  1   8  7  7   4

我找不到一种方法来合并一个范围和特定的列，例如。类似于：

df['i']=df.iloc[:,[[0:2],3]].sum(axis=1)
df['i']=df.iloc[:,[0:2,3]].sum(axis=1)

您只需将您的 Dataframe 传入以下函数即可：

def sum_frame_by_column(frame, new_col_name, list_of_cols_to_sum):
    frame[new_col_name] = frame[list_of_cols_to_sum].astype(float).sum(axis=1)
    return(frame)

示例：

我有一个dataframe（awards_frame）如下：

...我想创建一个新列，显示每行奖励的总和：

用法：

我只是将我的awards_frame传入函数，同时指定新列的name，以及要求和的列名的list：

sum_frame_by_column(awards_frame, 'award_sum', ['award_1','award_2','award_3'])

结果：

可以使用函数aggragate或agg：

df[['a','b','d']].agg('sum', axis=1)

agg的优点是可以使用多个聚合函数：

df[['a','b','d']].agg(['sum', 'prod', 'min', 'max'], axis=1)

输出：

sum  prod  min  max
0    8    10    1    5
1   14    54    2    9
2    8    12    1    4

当我有顺序的列时，下面的语法对我很有帮助

awards_frame.values[:,1:4].sum(axis =1)

这里最短和最简单的方法是使用

df.eval('e = a + b + d')