求助：为已unstack的DataFrame添加总计列的实现方案

原始已unstack的DataFrame结构：

churn_label No  Yes
under_30        
No      4077    1564
Yes     1097    304

目标格式（添加总计列后）：

churn_label No  Yes   Total
under_30        
No         4077 1564   5174
Yes        1097 304    1868

尝试的错误代码：

data_df = customer_churn_df.groupby(["under_30", "churn_label"]).count()

data_df["total_count"] = data_df["customer_id"].unstack(level = -1).sum()

data_df["total_count"]

得到的结果：

under_30  churn_label
No        No            NaN
          Yes           NaN
Yes       No            NaN
          Yes           NaN

正确实现方法 #

方法一：直接对Unstack后的DataFrame按行求和 #

如果数据已经是unstack后的状态（under_30为索引，No/Yes为列），直接调用sum(axis=1)计算每行总和：

# 假设unstack后的DataFrame变量名为unstacked_df
unstacked_df['Total'] = unstacked_df.sum(axis=1)

方法二：从GroupBy阶段直接生成带总计的结果 #

如果还未完成unstack操作，可整合分组、unstack、求和步骤，避免索引不匹配问题：

# 分组计数后直接unstack
data_df = customer_churn_df.groupby(["under_30", "churn_label"])["customer_id"].count().unstack()
# 添加总计列
data_df['Total'] = data_df.sum(axis=1)

错误原因说明 #

你之前的代码中，data_df["customer_id"].unstack(level=-1).sum()返回的是仅以under_30为索引的求和结果，但原data_df是双重索引（under_30+churn_label），两者索引不匹配，导致赋值后全部为NaN。

内容的提问来源于stack exchange，提问作者Erick Vivas