最近小伙伴提出了幾個問題，如何用pandas實現execl中的匯總行。

關于這個問題，群里展開了激烈的討論，最終經過梳理總結出了以下兩個解決方法。一種是當做透視時直接使用參數margins，另一種是當無透視時手動造出匯總行。

pivot_table

問題(群成員"浮生如夢")：

我想統計一月到十二月的所有數據應該怎么寫呢?

解決方法

• 用法：sum()、pivot_table

如果要對數據按行方向求和，直接使用sum()函數即可，設置參數axis=1(默認是axis=0列方向對列數據求和)，然后將橫向求和結果賦給一個新的字段。此例中為求和，其他統計方式如mean、max、min等均同理。

# 生成測試數據
df = pd.DataFrame(np.random.randint(10,100,(9,12)),
                  columns=['JAN','FEB','MAR','APR','MAY','JUN','JUL','AUG','SEP','OCT','NOV','DEC'])
# 橫向求和
df['total'] = df.sum(axis=1)

此時已得到行方向的求和，如果我們想繼續計算列方向求和并顯示出來如何操作呢？可以借助pivot_table來實現，設置參數margins=True。

pd.pivot_table(df, index=df.index, aggfunc='sum', margins=True)

groupby+concat

問題(群成員"張晶")：

pandas里面如何實現類似excel中的匯總行？

kv = {'Name': {0: 'John', 1: 'Mack', 2: 'Lilei', 3: 'Kevin', 4: 'Alin', 5: 'Bob'},
 'Team': {0: 'A', 1: 'A', 2: 'B', 3: 'B', 4: 'C', 5: 'C'},
 'Jan': {0: 9, 1: 9, 2: 8, 3: 10, 4: 7, 5: 9},
 'Feb': {0: 10, 1: 7, 2: 8, 3: 7, 4: 6, 5: 8},
 'Mar': {0: 8, 1: 9, 2: 7, 3: 8, 4: 8, 5: 7},
 'Apri': {0: 8, 1: 7, 2: 6, 3: 7, 4: 6, 5: 8}}
df = pd.DataFrame(kv)

解決方法

用法：groupby、concat、sum、transform

該方法通過幾種用法的組合間接實現了行和列數據匯總。

• 對列數據的匯總求和比較取巧，使用groupby實現了對整列數據求和，求和sum函數中需設置numeric_only參數，只對數值求和。得到列匯總結果后將其與原數據進行concat縱向拼接。
• 對行數據求和可以直接使用sum函數，通過axis=1指定橫向求和。

# 增加列匯總數據
total = df.groupby(lambda _: '總計').sum(numeric_only=True)
# 與原數據縱向拼接
df_total = pd.concat([df,total]).fillna('/')
# 對原數據數值類型橫向求和
df_total['total'] = df_total.sum(numeric_only=True,axis=1)
df_total

如果想要對Team進行分組求和，可以通過transform實現組合求和并添加為一個新的求和列。

# 分組內求和
df_total['team_total'] = df_total.groupby(['Team'])['total'].transform('sum')
df_total

以上是本次分享內容。