python - 如何对列求和并将结果作为一行附加到同一数据框中？

Question

我有一个如下所示的数据框:

|   int_col_1   ||   int_col2   ||   str_col3   ||   float_col4   ||   float_col5   |
|---------------||--------------||--------------||----------------||----------------|
|      123      ||      456     ||     potato   ||     0.1        ||       -0.2     |
|      456      ||      456     ||     potato   ||     0.1        ||        5.0     |
|      456      ||      456     ||     potato   ||     0.1        ||       -0.2     |
|      ...      ||      ...     ||     ...      ||     ...        ||       ...      |

我想对所有 float_col_4 和 float_col5 行求和，每个不同的 int_col_1 都大于 0，并将结果附加为新行。

所以新的数据框看起来像这样。

|   int_col_1   ||   int_col2   ||   str_col3   ||   float_col4   ||   float_col5   |
|---------------||--------------||--------------||----------------||----------------|
|      123      ||      789     ||     potato   ||     0.1        ||       -0.2     |
|      Total    ||     NULL     ||       NULL   ||     0.1        ||        0.0     |
|      456      ||      734     ||     potato   ||     0.1        ||        5.0     |
|      456      ||      423     ||     potato   ||     0.1        ||       -0.2     |
|      Total    ||      NULL    ||       NULL   ||     0.2        ||        5.0     |
|      ...      ||      ...     ||     ...      ||     ...        ||       ...      |

我该怎么做？为了简单起见，我需要将其附加到同一数据帧，所以我想我还必须将第一列从 int 转换为 str，或者将“Total”删除到 str_col3?

谢谢!

Answer 1

在 GroupBy.apply 中使用自定义函数追加新行，对于 0 以上的过滤值，DataFrame.clip 用于将较低的值替换为 0 到 0 ，创建默认索引并用字典替换 DataFrame.fillna 的缺失值:

#if necessary sorting by first column
df = df.sort_values('int_col_1')


def f(x):
    x.loc[-1] = x[['float_col4','float_col5']].clip(lower=0).sum()
    #you can pass also mask function
    #x.loc[-1] = x[['float_col4','float_col5']].mask(lambda x: x < 0, 0).sum()
    return x

df = df.groupby('int_col_1').apply(f).reset_index(drop=True).fillna({'int_col_1':'Total'})
print (df)
  int_col_1  int_col2 str_col3  float_col4  float_col5
0       123     456.0   potato         0.1        -0.2
1     Total       NaN      NaN         0.1         0.0
2       456     456.0   potato         0.1         5.0
3       456     456.0   potato         0.1        -0.2
4     Total       NaN      NaN         0.2         5.0