如何将条件行添加到 pandas dataframe

Question

我试图寻找一个简洁的答案，但没有任何帮助。 我正在尝试向 dataframe 添加一行，该行为第一列获取一个字符串，然后为每一列获取总和。 我遇到了一个标量问题，所以我尝试将所需的行变成一个系列，然后转换为 dataframe，但显然我添加了四行和一列值，而不是添加一行四列值。

我的代码：

def country_csv():
    # loop through absolute paths of each file in source
    for filename in os.listdir(source):
        filepath = os.path.join(source, filename)
        if not os.path.isfile(filepath):
            continue
        df = pd.read_csv(filepath)
        df = df.groupby(['Country']).sum()
        df.reset_index()
        print(df)
        # df.to_csv(os.path.join(path1, filename))

样品 dataframe：

                    Confirmed  Deaths  Recovered
Country                                         
Afghanistan               299       7         10
Albania                   333      20         99

希望将此视为第一行

World 632 27 109

Answer 1

IIUC，您可以创建一个字典，然后将其重新传递到 dataframe 以进行连接。

data = df.sum(axis=0).to_dict()
data.update({'Country' : 'World'})
df2 = pd.concat([pd.DataFrame(data,index=[0]).set_index('Country'),df],axis=0)

print(df2)

             Confirmed  Deaths  Recovered
Country                                  
World              632      27        109
Afghanistan        299       7         10
Albania            333      20         99

或使用assign和Transpose置的单线

df2 = pd.concat(
    [df.sum(axis=0).to_frame().T.assign(Country="World").set_index("Country"), df],
    axis=0,
)



print(df2)

             Confirmed  Deaths  Recovered
Country                                  
World              632      27        109
Afghanistan        299       7         10
Albania            333      20         99

Answer 2

import pandas as pd
import datetime as dt

df
            Confirmed   Deaths  Recovered
Country         
Afghanistan 299         7       10
Albania     333         20      99

df.loc['World']  = [df['Confirmed'].sum(),df['Deaths'].sum(),df['Recovered'].sum()]
df.sort_values(by=['Confirmed'], ascending=False)


             Confirmed  Deaths  Recovered
Country         
World        632        27      109
Albania      333        20      99
Afghanistan  299        7       10