【问题标题】：Pandas dataframe total row熊猫数据框总行
【发布时间】：2022-03-14 18:33:23
【问题描述】：

我有一个数据框，类似于：

     foo  bar  qux
0    a    1    3.14
1    b    3    2.72
2    c    2    1.62
3    d    9    1.41
4    e    3    0.58

我想在数据框的末尾添加一个“总计”行：

     foo  bar  qux
0    a    1    3.14
1    b    3    2.72
2    c    2    1.62
3    d    9    1.41
4    e    3    0.58
5  total  18   9.47

我尝试使用sum 命令，但最终得到了一个系列，虽然我可以转换回数据框，但它不维护数据类型：

tot_row = pd.DataFrame(df.sum()).T
tot_row['foo'] = 'tot'
tot_row.dtypes:
     foo    object
     bar    object
     qux    object

我想保留原始数据框中的数据类型，因为我需要对总行应用其他操作，例如：

baz = 2*tot_row['qux'] + 3*tot_row['bar']

【问题讨论】：

试试df.loc['Total']= df.sum()，引用自此link

标签： python pandas

【解决方案1】：

添加一个总计行

df.append(df.sum(numeric_only=True), ignore_index=True)

仅当您有一列字符串或对象时，才需要进行转换。

这是一个有点脆弱的解决方案，所以我建议坚持对数据帧进行操作。例如。

baz = 2*df['qux'].sum() + 3*df['bar'].sum()

【讨论】：

这不维护原始数据类型；所有列都转换为对象（从外观上看是字符串）。
对不起，你是对的，我没有用一列字符串检查它。现已更新。
这几乎是正确的。唯一的问题是数据类型没有完全保留。整数转换为浮点数。幸运的是，我认为这对我来说不是问题。如果今天没有人发布替代方案，我将接受此解决方案。
再次更新以防止汇总数值数据的任何类型更改。字符串现在将在总行中显示为 np.nan。
但这不会改变DataFrame的实际数据吗？所以例如df.describe() 会取数据加上数据的总和吗？

【解决方案2】：

df.loc["Total"] = df.sum()

对我有用，我发现它更容易记住。我错过了什么吗？在早期版本中可能是不可能的。

我实际上只想暂时添加总行。永久添加它有利于显示，但在进一步计算时会很麻烦。

刚刚找到

df.append(df.sum().rename('Total'))

这会在 Jupyter 笔记本中打印我想要的内容，并且似乎没有改变 df 本身。

【讨论】：

不错！与 R 非常相似，又快又干净！ :-)
这对我有用，非常简单。赞成:)

【解决方案3】：

新方法

获取行和列的总数：

import numpy as np
import pandas as pd


df = pd.DataFrame({'a': [10,20],'b':[100,200],'c': ['a','b']})

df.loc['Column_Total']= df.sum(numeric_only=True, axis=0)
df.loc[:,'Row_Total'] = df.sum(numeric_only=True, axis=1)

print(df)


                 a      b    c  Row_Total
0             10.0  100.0    a      110.0
1             20.0  200.0    b      220.0
Column_Total  30.0  300.0  NaN      330.0

【讨论】：

这应该是内置函数^^]

【解决方案4】：

将DataFrame.pivot_table 与margins=True 一起使用：

import pandas as pd
data = [('a',1,3.14),('b',3,2.72),('c',2,1.62),('d',9,1.41),('e',3,.58)]
df = pd.DataFrame(data, columns=('foo', 'bar', 'qux'))

原df：

  foo  bar   qux
0   a    1  3.14
1   b    3  2.72
2   c    2  1.62
3   d    9  1.41
4   e    3  0.58

由于pivot_table 需要某种分组（没有index 参数，它将引发ValueError: No group keys passed!），并且您的原始索引是空的，我们将使用foo 列：

df.pivot_table(index='foo',
               margins=True,
               margins_name='total',  # defaults to 'All'
               aggfunc=sum)

瞧！

       bar   qux
foo             
a        1  3.14
b        3  2.72
c        2  1.62
d        9  1.41
e        3  0.58
total   18  9.47

【讨论】：

我怎样才能将总和限制在特定的列？
这对我有用，但是当我在命令提示符下再次编写 df 时，它会打印旧的 df 并且我看不到总和。它也不会在 Excel 文件中写入总数

【解决方案5】：

替代方式（在 Pandas 0.18.1 上验证）：

import numpy as np
total = df.apply(np.sum)
total['foo'] = 'tot'
df.append(pd.DataFrame(total.values, index=total.keys()).T, ignore_index=True)

结果：

   foo   bar   qux
0    a     1  3.14
1    b     3  2.72
2    c     2  1.62
3    d     9  1.41
4    e     3  0.58
5  tot    18  9.47

【讨论】：

【解决方案6】：

基于 JMZ 答案

df.append(df.sum(numeric_only=True), ignore_index=True)

如果您想继续使用当前索引，您可以使用 .rename() 为 sum 系列命名，如下所示：

df.append(df.sum().rename('Total'))

这将在表格底部添加一行。

【讨论】：

【解决方案7】：

基于 Matthias Kauer 的回答。

添加行总数：

df.loc["Row_Total"] = df.sum()

要添加列总数，

df.loc[:,"Column_Total"] = df.sum(axis=1)

【讨论】：

【解决方案8】：

我就是这样做的，通过转置和结合使用 assign 方法与 lambda 函数。这对我来说很简单。

df.T.assign(GrandTotal = lambda x: x.sum(axis=1)).T

【讨论】：

【解决方案9】：

以下帮助我将列总计和行总计添加到数据框。

假设 dft1 是您的原始数据框...现在通过以下步骤添加列总计和行总计。

from io import StringIO
import pandas as pd

#create dataframe string
dfstr = StringIO(u"""
a;b;c
1;1;1
2;2;2
3;3;3
4;4;4
5;5;5
""")

#create dataframe dft1 from string
dft1 = pd.read_csv(dfstr, sep=";")

## add a column total to dft1
dft1['Total'] = dft1.sum(axis=1)

## add a row total to dft1 with the following steps

sum_row = dft1.sum(axis=0) #get sum_row first
dft1_sum=pd.DataFrame(data=sum_row).T #change it to a dataframe

dft1_sum=dft1_sum.reindex(columns=dft1.columns) #line up the col index to dft1
dft1_sum.index = ['row_total'] #change row index to row_total

dft1.append(dft1_sum) # append the row to dft1

【讨论】：

【解决方案10】：

实际上，所有提出的解决方案都会使原始 DataFrame 无法用于任何进一步的分析，并且会使后续计算无效，这将容易被忽视并且可能导致错误的结果。

这是因为您在数据中添加了一行，Pandas 无法将其与额外的数据行区分开来。

示例：

import pandas as pd
data = [1, 5, 6, 8, 9]
df = pd.DataFrame(data)
df
df.describe()

产量

	0
0	1
1	5
2	6
3	8
4	9

	0
count	5
mean	5.8
std	3.11448
min	1
25%	5
50%	6
75%	8
max	9

之后

df.loc['Totals']= df.sum(numeric_only=True, axis=0)

数据框看起来像这样

	0
0	1
1	5
2	6
3	8
4	9
Totals	29

这看起来不错，但新行被视为附加数据项，因此df.describe 将产生错误结果：

	0
count	6
mean	9.66667
std	9.87252
min	1
25%	5.25
50%	7
75%	8.75
max	29

所以：小心！并仅在对数据进行所有其他分析或处理 DataFrame 副本后应用此功能！

【讨论】：