Python中如何用aggfunc先按索引求均值再按列求和构建透视表？

不需要两次连续透视表，直接通过分组聚合+列求和的方式就能高效完成，步骤如下：

1. 核心思路 #

先按标签列分组计算各数值列的均值，再对这些均值结果按列求和——全程仅需两次轻量运算，比两次透视表的开销小得多。

2. 代码示例 #

假设你的DataFrame包含标签列（比如category）和若干数值列：

构造示例数据 #

import pandas as pd

df = pd.DataFrame({
    'category': ['A', 'A', 'B', 'B', 'C'],
    'col1': [10, 20, 30, 40, 50],
    'col2': [5, 15, 25, 35, 45]
})

一步完成计算 #

直接链式调用分组均值和列求和：

# 先按标签算均值，再对均值按列求和
result = df.groupby('category').mean().sum()

如果需要保留每个标签的均值，同时添加总计行（所有均值的和）：

# 生成各标签的均值透视表
pivot_means = df.pivot_table(index='category', aggfunc='mean')
# 计算总计行
total_row = pd.DataFrame(pivot_means.sum()).T
total_row.index = ['Total']
# 合并结果
final_result = pd.concat([pivot_means, total_row])

3. 效率优势 #

两次透视表会重复处理原始数据，而groupby+mean仅做一次聚合，后续的sum是对聚合后的小数据集操作，在数据量较大时，性能提升会非常明显。

内容的提问来源于stack exchange，提问作者Nic_bar