Pythonでのsumの使い方とは？listやdataframeなどの合計を計算する方法を紹介

Python
プログラミング言語

公開日時: 2021-10-04 　更新日時: 2022-06-01

Pythonでのsumの使い方とは？listやdataframeなどの合計を計算する方法を紹介

この記事でわかること

システム エンジニア: Pythonでのsumの使い方について教えてください。

プロジェクト マネージャー: listや配列、dataframeなどの合計を計算できるsumについてご紹介しましょう。

Pythonでのsumの使い方とは？

今回は、Pythonでのsumの使い方について説明します。sumを使用すれば、listや配列、dataframeなどの合計を計算できます。また、条件式として使用することもできます。

Pythonでのsumの使い方に興味のある方はぜひご覧ください。

list

Pythonでのlistの合計について紹介します。フィルターした要素のみの合計もできます。

実際のソースコードを見てみましょう。

mylist = list(range(1, 11))
print(mylist)

# 合計
print(sum(mylist)) # 55

# mylistの合計に11を加算
print(sum(mylist, 11)) # 66

# listのindex3以上5未満の合計（この場合4+5）
print(sum(mylist[3:5])) # 9

# 偶数要素だけ合計(2+4+6+8+10 = 30)
print(sum(filter(lambda x: x % 2 == 0, mylist))) # 30

# 奇数要素だけ合計(1+3+5+7+9 = 25)
print(sum(filter(lambda x: x % 2 == 1, mylist))) # 25

# 7以上の要素だけ合計(7+8+9+10 = 34)
print(sum(filter(lambda x: x >= 7, mylist))) # 34

mylist = list(range(1, 11))

print(mylist)

# 合計

print(sum(mylist)) # 55

# mylistの合計に11を加算

print(sum(mylist, 11)) # 66

# listのindex3以上5未満の合計（この場合4+5）

print(sum(mylist[3:5])) # 9

# 偶数要素だけ合計(2+4+6+8+10 = 30)

print(sum(filter(lambda x: x % 2 == 0, mylist))) # 30

# 奇数要素だけ合計(1+3+5+7+9 = 25)

print(sum(filter(lambda x: x % 2 == 1, mylist))) # 25

# 7以上の要素だけ合計(7+8+9+10 = 34)

print(sum(filter(lambda x: x >= 7, mylist))) # 34

実行結果は以下のようになります。

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
55
66
9
30
25
34

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

このようにPythonでは、sumを使ってlistの合計が計算できます。

listの連結

Pythonでは、sumを使えばlistの連結ができます。

実際のソースコードを見てみましょう。

mylist = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]

# listの連結
print(sum(mylist, [])) # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# 連結したlistの合計
print(sum(sum(mylist, []))) # 55

# listの連結(先頭に[0]を追加)
print(sum(mylist, [0])) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# 連結したlistの合計
print(sum(sum(mylist, [0]))) # 55

mylist = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]

# listの連結

print(sum(mylist, [])) # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 連結したlistの合計

print(sum(sum(mylist, []))) # 55

# listの連結(先頭に[0]を追加)

print(sum(mylist, [0])) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 連結したlistの合計

print(sum(sum(mylist, [0]))) # 55

実行結果は以下のようになります。

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
55
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
55

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

sumは要素を連続して処理できるので、listの連結ができるということです。

条件式

Pythonでは、sumを条件式として使うこともできます。

実際のソースコードを見てみましょう。

def func(n):
    print(str(n) + ":", end='')
    # 0以上 10未満 偶数 の条件を満たす数を出力
    print(sum([n >= 0, n < 10, n % 2 == 0]))

for i in range(15):
    func(i)

def func(n):

print(str(n) + ":", end='')

# 0以上 10未満偶数の条件を満たす数を出力

print(sum([n >= 0, n < 10, n % 2 == 0]))

for i in range(15):

func(i)

実行結果は以下のようになります。

0:3
1:2
2:3
3:2
4:3
5:2
6:3
7:2
8:3
9:2
10:2
11:1
12:2
13:1
14:2

0:3

1:2

2:3

3:2

4:3

5:2

6:3

7:2

8:3

9:2

10:2

11:1

12:2

13:1

14:2

いくつの条件に一致したのかを計算できるので、条件をN個以上満たす場合の処理などを実現できます。このようにPythonでは、sumを条件式として使うこともできます。

配列

numpyを使った多次元配列のsumの方法について紹介します。

実際のソースコードを見てみましょう。

import numpy as np

# 1次元配列
myarray = np.array([1, 2, 3, 4, 5])
print(np.sum(myarray)) # 15

# 2次元配列
myarray2 = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])
print(np.sum(myarray2)) # 55
# 列方向の合計
print(np.sum(myarray2, axis=0)) # [ 7  9 11 13 15]
# 行方向の合計
print(np.sum(myarray2, axis=1)) # [15 40]

# 3次元配列
myarray3 = np.array([[
        [1, 2, 3, 4, 5],
        [6, 7, 8, 9, 10]],

       [[11, 12, 13, 14, 15],
        [16, 17, 18, 19, 20]]])
print(np.sum(myarray3)) # 210
# 奥行方向の合計
print(np.sum(myarray3, axis=0))
# [[12 14 16 18 20]
# [22 24 26 28 30]]

# 列方向の合計
print(np.sum(myarray3, axis=1))
#[[ 7  9 11 13 15]
# [27 29 31 33 35]]

# 行方向の合計
print(np.sum(myarray3, axis=2))
#[[15 40]
# [65 90]]

import numpy as np

# 1次元配列

myarray = np.array([1, 2, 3, 4, 5])

print(np.sum(myarray)) # 15

# 2次元配列

myarray2 = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])

print(np.sum(myarray2)) # 55

# 列方向の合計

print(np.sum(myarray2, axis=0)) # [ 7 9 11 13 15]

# 行方向の合計

print(np.sum(myarray2, axis=1)) # [15 40]

# 3次元配列

myarray3 = np.array([[

[1, 2, 3, 4, 5],

[6, 7, 8, 9, 10]],

[[11, 12, 13, 14, 15],

[16, 17, 18, 19, 20]]])

print(np.sum(myarray3)) # 210

# 奥行方向の合計

print(np.sum(myarray3, axis=0))

# [[12 14 16 18 20]

# [22 24 26 28 30]]

# 列方向の合計

print(np.sum(myarray3, axis=1))

#[[ 7 9 11 13 15]

# [27 29 31 33 35]]

# 行方向の合計

print(np.sum(myarray3, axis=2))

#[[15 40]

# [65 90]]

実行結果は以下のようになります。

15
55
[ 7  9 11 13 15]
[15 40]
210
[[12 14 16 18 20]
 [22 24 26 28 30]]
[[ 7  9 11 13 15]
 [27 29 31 33 35]]
[[15 40]
 [65 90]]

[ 7 9 11 13 15]

[15 40]

210

[[12 14 16 18 20]

[22 24 26 28 30]]

[[ 7 9 11 13 15]

[27 29 31 33 35]]

[[15 40]

[65 90]]

このようにPythonでは、numpyを使った多次元配列の合計を計算できます。

dataframe

Pythonでのdataframeのsumの方法について紹介します。

実際のソースコードを見てみましょう。

import pandas as pd

# データの作成(クラス、氏名、教科(国語、数学、英語)の点数)
data_frame =\
pd.DataFrame([["classA","classA","classA","classB","classB","classB"],
              ["nameA","nameB","nameC","nameD","nameE","nameF"],
              [100,90,80,60,60,70],
              [100,80,70,50,40,50],
              [100,80,90,80,60,80]] ).T

# カラム名とインデックス名を付与
data_frame.columns = ["class","name","japanese","mathematics","english"]
data_frame.index   = ["nameA","nameB","nameC","nameD","nameE","nameF"]

# 教科ごとの合計
print(data_frame["japanese"].sum(axis=0))    # 460
print(data_frame["mathematics"].sum(axis=0)) # 390
print(data_frame["english"].sum(axis=0))     # 490
print(data_frame[["japanese","mathematics","english"]].sum(axis=0))
# japanese       460.0
# mathematics    390.0
# english        490.0
# dtype: float64

# 個人ごとの合計
print(data_frame[["japanese","mathematics","english"]].sum(axis=1))
# nameA    300.0
# nameB    250.0
# nameC    240.0
# nameD    190.0
# nameE    160.0
# nameF    200.0
# dtype: float64

# グループ化
data_frame_grouped = data_frame.groupby("class")
# クラスごと、教科ごとの合計
print(data_frame_grouped[["japanese","mathematics","english"]].sum())
#         japanese  mathematics  english
# class                                 
# classA       270          250      270
# classB       190          140      220

import pandas as pd

# データの作成(クラス、氏名、教科(国語、数学、英語)の点数)

data_frame =\

pd.DataFrame([["classA","classA","classA","classB","classB","classB"],

["nameA","nameB","nameC","nameD","nameE","nameF"],

[100,90,80,60,60,70],

[100,80,70,50,40,50],

[100,80,90,80,60,80]] ).T

# カラム名とインデックス名を付与

data_frame.columns = ["class","name","japanese","mathematics","english"]

data_frame.index = ["nameA","nameB","nameC","nameD","nameE","nameF"]

# 教科ごとの合計

print(data_frame["japanese"].sum(axis=0)) # 460

print(data_frame["mathematics"].sum(axis=0)) # 390

print(data_frame["english"].sum(axis=0)) # 490

print(data_frame[["japanese","mathematics","english"]].sum(axis=0))

# japanese 460.0

# mathematics 390.0

# english 490.0

# dtype: float64

# 個人ごとの合計

print(data_frame[["japanese","mathematics","english"]].sum(axis=1))

# nameA 300.0

# nameB 250.0

# nameC 240.0

# nameD 190.0

# nameE 160.0

# nameF 200.0

# dtype: float64

# グループ化

data_frame_grouped = data_frame.groupby("class")

# クラスごと、教科ごとの合計

print(data_frame_grouped[["japanese","mathematics","english"]].sum())

# japanese mathematics english

# class

# classA 270 250 270

# classB 190 140 220

実行結果は以下のようになります。

460
390
490
japanese       460.0
mathematics    390.0
english        490.0
dtype: float64
nameA    300.0
nameB    250.0
nameC    240.0
nameD    190.0
nameE    160.0
nameF    200.0
dtype: float64
        japanese  mathematics  english
class                                 
classA       270          250      270
classB       190          140      220

460

390

490

japanese 460.0

mathematics 390.0

english 490.0

dtype: float64

nameA 300.0

nameB 250.0

nameC 240.0

nameD 190.0

nameE 160.0

nameF 200.0

dtype: float64

japanese mathematics english

class

classA 270 250 270

classB 190 140 220

システム エンジニア: よく分かりました。ありがとうございます。

プロジェクト マネージャー: Pythonでのsumは条件式としても使用できます。

まとめ

いかがでしたでしょうか。Pythonでのsumの使い方について説明しました。sumを使用すれば、listや配列、dataframeなどの合計を計算できます。

ぜひご自身でソースコードを書いて、理解を深めてください。

FEnet.NETナビ・.NETコラムは株式会社オープンアップシステムが運営しています。

株式会社オープンアップシステムはこんな会社です

秋葉原オフィスには株式会社オープンアップシステムをはじめグループのIT企業が集結！
数多くのエンジニアが集まります。

スマホアプリから業務系システムまで

スマホアプリから業務系システムまで開発案件多数。システムエンジニア・プログラマーとしての多彩なキャリアパスがあります。
充実した研修制度

毎年、IT技術のトレンドや社員の要望に合わせて、カリキュラムを刷新し展開しています。社内講師の丁寧なサポートを受けながら、自分のペースで学ぶことができます。
資格取得を応援

スキルアップしたい社員を応援するために資格取得一時金制度を設けています。受験料(実費)と合わせて資格レベルに合わせた最大10万円の一時金も支給しています。
東証プライム上場企業グループ

オープンアップシステムは東証プライム上場「株式会社オープンアップグループ」のグループ企業です。

安定した経営基盤とグループ間のスムーズな連携でコロナ禍でも安定した雇用を実現させています。

株式会社オープンアップシステムに興味を持った方へ

株式会社オープンアップシステムでは、開発系エンジニア・プログラマを募集しています。

年収をアップしたい！スキルアップしたい！大手の上流案件にチャレンジしたい！
まずは話だけでも聞いてみたい場合もOK。お気軽にご登録ください。

株式会社オープンアップシステムへ応募する
会員登録不要! カンタン45秒!

Pythonでのsumの使い方とは？listやdataframeなどの合計を計算する方法を紹介

Pythonでのsumの使い方とは？

list

listの連結

条件式

配列

dataframe

まとめ

株式会社オープンアップシステムはこんな会社です

スマホアプリから業務系システムまで

充実した研修制度

資格取得を応援

東証プライム上場企業グループ

株式会社オープンアップシステムに興味を持った方へ

Python新着案件New Job

マルチロガーソフト開発/東京都豊島区/【WEB面談可/C#経験者/20代後半～40代の方活躍中/経験年数不問】/在宅勤務

マルチロガーソフト開発/東京都豊島区/【WEB面談可/C#経験者/20代前半の方活躍中/経験1年以上の方活躍中】/在宅勤務

商品化予定の振動センサーの運用保守/Python/東京都都内/【WEB面談可】

商品化予定の振動センサーの可視化UI開発のテスター/Python/東京都都内/【WEB面談可】

商品化予定の振動センサーの運用保守/Python/東京都都内/【WEB面談可】

商品化予定の振動センサーの可視化UI開発のテスター/Python/東京都都内/【WEB面談可】

Pythonでのsumの使い方とは？listやdataframeなどの合計を計算する方法を紹介

Pythonでのsumの使い方とは？

list

listの連結

条件式

配列

dataframe

まとめ

株式会社オープンアップシステムはこんな会社です

スマホアプリから業務系システムまで

充実した研修制度

資格取得を応援

東証プライム上場企業グループ

株式会社オープンアップシステムに興味を持った方へ

Python新着案件New Job

マルチロガーソフト開発/東京都豊島区/【WEB面談可/C#経験者/20代後半～40代の方活躍中/経験年数不問】/在宅勤務

マルチロガーソフト開発/東京都豊島区/【WEB面談可/C#経験者/20代前半の方活躍中/経験1年以上の方活躍中】/在宅勤務

商品化予定の振動センサーの運用保守/Python/東京都都内/【WEB面談可】

商品化予定の振動センサーの可視化UI開発のテスター/Python/東京都都内/【WEB面談可】

商品化予定の振動センサーの運用保守/Python/東京都都内/【WEB面談可】

商品化予定の振動センサーの可視化UI開発のテスター/Python/東京都都内/【WEB面談可】

関連記事Related Posts

Pythonでのsplitの使い方とは？基本的な使い方からCSVファイルを分割する方法まで紹介！

Pythonでの2乗の計算方法とは？算術演算子や組み込み関数pow()を使った方法を紹介！

Pythonでのcopyとdeepcopyについて紹介！代入・copy関数・deepcopy関数の挙動の違いとは？

PythonでのSeleniumの使い方｜PythonからGoogleChromeの自動操作を行う方法を紹介

［Python］exit関数について解説｜3種類のexit関数を理解して使いこなそう