如何在dataframe末尾添加某个列的和

Question

我有一只有11栏的熊猫数据。我想将第9列和第10列的所有值加到表的末尾。到目前为止，我尝试了两种方法：

• 使用dataframe.iloc[rownumber, 8]将数据分配给单元格。这将导致一个超出界限的错误。
• 使用以下代码创建带有一些空白的向量：‘’：

total = ['', '', '', '', '', '', '', '', dataframe['Column 9'].sum(), dataframe['Column 10'].sum(), '']
dataframe = dataframe.append(total)

结果并不好，因为它把总向量作为垂直向量添加到末尾，而不是水平向量。我能做些什么来解决这个问题？

Answer 1

您需要与ignore_index=True一起使用pandas.DataFrame.append

因此，请使用：

dataframe=dataframe.append(dataframe[['Column 9','Column 10']].sum(),ignore_index=True).fillna('')

示例

import pandas as pd
import numpy as np
df=pd.DataFrame()
df['col1']=[1,2,3,4]
df['col2']=[2,3,4,5]
df['col3']=[5,6,7,8]
df['col4']=[5,6,7,8]

使用附录：

df=df.append(df[['col2','col3']].sum(),ignore_index=True)
print(df)


   col1  col2  col3  col4
0   1.0   2.0   5.0   5.0
1   2.0   3.0   6.0   6.0
2   3.0   4.0   7.0   7.0
3   4.0   5.0   8.0   8.0
4   NaN  14.0  26.0   NaN

Whitout NaN值：

df=df.append(df[['col2','col3']].sum(),ignore_index=True).fillna('')
print(df)

  col1  col2  col3 col4
0    1   2.0   5.0    5
1    2   3.0   6.0    6
2    3   4.0   7.0    7
3    4   5.0   8.0    8
4       14.0  26.0     

Answer 2

用和创建新的DataFrame。这个示例DataFrame有'a‘和'b’列。df1是需要总结的DataFrame，df3是一行DataFrame，只有和：

data = [[df1.a.sum(),df1.b.sum()]]
df3 = pd.DataFrame(data,columns=['a','b'])

然后将其附加到结尾：

df1.append(df3)

Answer 3

IICU，这是您所需要的(更改编号8和9以满足您的需要)

df['total']=df.iloc[ : ,[8,9]].sum(axis=1) #horizontal sum
df['total1']=df.iloc[ : ,[8,9]].sum().sum() #Vertical sum
df.loc['total2']=df.iloc[ : ,[8,9]].sum() # vertical sum in rows for only columns 8 & 9

示例

a=np.arange(0, 11, 1)
b=np.random.randint(10, size=(5,11))
df=pd.DataFrame(columns=a, data=b)

    0   1   2   3   4   5   6   7   8   9   10
0   0   5   1   3   4   8   6   6   8   1   0
1   9   9   8   9   9   2   3   8   9   3   6
2   5   7   9   0   8   7   8   8   7   1   8
3   0   7   2   8   8   3   3   0   4   8   2
4   9   9   2   5   2   2   5   0   3   4   1

**output**
    0   1   2   3   4   5   6   7   8   9   10  total   total1
0   0.0     5.0     1.0     3.0     4.0     8.0     6.0     6.0     8.0     1.0     0.0     9.0     48.0
1   9.0     9.0     8.0     9.0     9.0     2.0     3.0     8.0     9.0     3.0     6.0     12.0    48.0
2   5.0     7.0     9.0     0.0     8.0     7.0     8.0     8.0     7.0     1.0     8.0     8.0     48.0
3   0.0     7.0     2.0     8.0     8.0     3.0     3.0     0.0     4.0     8.0     2.0     12.0    48.0
4   9.0     9.0     2.0     5.0     2.0     2.0     5.0     0.0     3.0     4.0     1.0     7.0     48.0
total2  NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN     31.0    17.0    NaN     NaN     NaN