将 TOTAL 行添加到 pandas dataframe

Question

我有一个 dataframe 如下：

                   POSITIVE  NEGATIVE  MASTER Net Positivity
Speaker                                                     
Mike                 36.0      29.0  2187.0          0.32%
Rob                  36.0      35.0  2413.0          0.04%
May                   2.0       4.0   369.0         -0.54%

我想在最后添加一行，总正数 (36+36+2)、总负数 (29+35+4)、总 MASTER (2187+2413+369)。 新行的索引应该是“TOTAL”。 总净阳性率为（总阳性 - 总阴性）/总主。

                   POSITIVE  NEGATIVE  MASTER Net Positivity
Speaker                                                     
Mike                 36.0      29.0  2187.0          0.32%
Rob                  36.0      35.0  2413.0          0.04%
May                   2.0       4.0   369.0         -0.54%
TOTAL                74.0      68.0  4969.0          0.12%

我应该如何在 pandas 中添加这一总行？

Answer 1

你可以简单地

newdf = pd.concat([df, df.sum()]
newdf.rename(index={index[-1]:"Total"}, inplace=True)

Answer 2

尝试这个：

df = df.append(df.sum(numeric_only=True), ignore_index=True)
df['Net_Positivity'] = (df['POSITIVE']-df['NEGATIVE'])*100/df['MASTER']
df['Speaker'].fillna('Total', inplace=True)
df.set_index('Speaker', inplace=True)
print(df)

         POSITIVE  NEGATIVE  MASTER  Net_Positivity
Speaker
Mike         36.0      29.0  2187.0        0.320073
Rob          36.0      35.0  2413.0        0.041442
May           2.0       4.0   369.0       -0.542005
Total        74.0      68.0  4969.0        0.120749

Answer 3

您可以使用loc在 df 上添加行和sum 。 然后用正确的格式计算净正数

df.loc['total'] = df.iloc[:, :-1].sum()
df.loc['total', 'Net Positivity'] = f"""{(df.loc['total', 'POSITIVE']
                                            - df.loc['total', 'NEGATIVE'])
                                          /df.loc['total', 'MASTER']:.2%}"""

         POSITIVE  NEGATIVE  MASTER Net Positivity
Speaker                                           
Mike         36.0      29.0  2187.0          0.32%
Rob          36.0      35.0  2413.0          0.04%
May           2.0       4.0   369.0         -0.54%
total        74.0      68.0  4969.0          0.12%