最近群里小伙伴提出了几个问题，如何用pandas实现execl中的汇总行。
关于这个问题，群里展开了激烈的讨论，最终经过梳理总结出了以下两个解决方法。一种是当做透视时直接使用参数margins，另一种是当无透视时手动造出汇总行。
以下是两种方法的案例，已经收集到了padnas进阶百题库👇中。完整手册可以戳《pandas进阶题库》了解获取。
pivot_table
问题(群成员"浮生如梦")：
我想统计一月到十二月的所有数据应该怎么写呢?
解决方法
- 用法：
sum()、pivot_table
如果要对数据按行方向求和，直接使用sum()函数即可，设置参数axis=1(默认是axis=0列方向对列数据求和)，然后将横向求和结果赋给一个新的字段。此例中为求和，其他统计方式如mean、max、min等均同理。
# 生成测试数据
df = pd.DataFrame(np.random.randint(10,100,(9,12)),
columns=['JAN','FEB','MAR','APR','MAY','JUN','JUL','AUG','SEP','OCT','NOV','DEC'])
# 横向求和
df['total'] = df.sum(axis=1)
此时已得到行方向的求和，如果我们想继续计算列方向求和并显示出来如何操作呢？可以借助pivot_table来实现，设置参数margins=True。
pd.pivot_table(df, index=df.index, aggfunc='sum', margins=True)
groupby+concat
问题(群成员"张晶")：
pandas里面如何实现类似excel中的汇总行？
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)
解决方法
用法：groupby、concat、sum、transform
该方法通过几种用法的组合间接实现了行和列数据汇总。
- 对列数据的汇总求和比较取巧，使用
groupby实现了对整列数据求和，求和sum函数中需设置numeric_only参数，只对数值求和。得到列汇总结果后将其与原数据进行concat纵向拼接。 - 对行数据求和可以直接使用
sum函数，通过axis=1指定横向求和。
# 增加列汇总数据
total = df.groupby(lambda _: '总计').sum(numeric_only=True)
# 与原数据纵向拼接
df_total = pd.concat([df,total]).fillna('/')
# 对原数据数值类型横向求和
df_total['total'] = df_total.sum(numeric_only=True,axis=1)
df_total
如果想要对Team进行分组求和，可以通过transform实现组合求和并添加为一个新的求和列。
# 分组内求和
df_total['team_total'] = df_total.groupby(['Team'])['total'].transform('sum')
df_total
以上是本次分享内容。
- end -
