合并数据帧最后一行中的一些列

Question

edit：我知道如何获取实际值，但我想知道如何将包含这两个总和的行附加到现有df

我有一个数据帧记分卡，看起来像：

^{tb1}$

现在我想添加一行，将所有15分钟的数字（前3列）和30分钟的数字相加，依此类推（实际df更大）。这意味着我不想把各个列相加，而是要把各个列的总和相加。我要添加的行如下所示：

^{tb2}$

请忽略标题，这只是为了澄清我的意图。 我假设涉及到一个多索引，但我不知道如何将它应用到我现有的df中，以实现所需的输出

另外，是否可以在整个表的总和中添加一个列

谢谢你的支持

Answer 1

• 这取决于轴

简单-这是轴0中的值之和： 因此，在您的例子中是-列（它是垂直列中所有值的总和）

df.sum(axis = 0, skipna = True)

---

打印（df）：

输出：

sum_column = df["col1"] + df["col2"]
df["col3"] = sum_column
print(df)

输出：

---

因此，在你的情况下：

summed0Axis = df.sum(axis = 0, skipna = True)
sum_column = summed0Axis["15min_colour"] + summed0Axis["15min_high"] + summed0Axis["15min_price"]

print(sum_column)

更智能的选项：

查找所有列，其中包括15列：

columnsWith15 = df.loc[:,df.columns.str.contains("15").sum]
columnsWith30 = df.loc[:,df.columns.str.contains("30").sum]

Answer 2

您可以这样求和：

np.sum(df.filter(like='15').values), np.sum(df.filter(like='30').values)

---

0,8

Answer 3

groupby

可以接受一个可调用（think函数）并在index或columns上使用它

df.groupby(lambda x: x.split('_')[0], axis=1).sum().sum()

15min    0
30min    8
dtype: int64