Pandas透视表操作：添加每日销量总计列与大于2值的条件计数列

你的问题核心在于透视表是多层列索引结构，直接用iloc硬编码列位置容易失效（比如列顺序变化时），我们可以利用MultiIndex的层级定位精准操作sum聚合列，完美实现你要的两个需求：

1. 添加每日售出产品总量列（sum聚合列的行求和） #

你的透视表dft列分为两层：第一层是聚合方式（sum/len），第二层是日期day。我们可以直接通过dft['sum']选中所有sum聚合的列，再对每行求和：

# 生成透视表后，添加总量列
dft['Fruit Total'] = dft['sum'].sum(axis=1)

2. 添加条件计数列（统计sum列中>2的元素数量） #

同样先选中sum聚合列，用gt(2)生成布尔值DataFrame（大于2为True，否则为False），再对每行求和（True会被计为1，False为0，求和结果就是符合条件的数量）：

# 添加条件计数列
dft['Count >2'] = dft['sum'].gt(2).sum(axis=1)

完整可运行代码示例 #

import pandas as pd
import numpy as np

# 生成原始数据
df = pd.DataFrame({ 
    'date': ["22.10.2021", "22.10.2021", "22.10.2021", "23.10.2021", "23.10.2021", "25.10.2021", "22.10.2021", "23.10.2021", "22.10.2021", "25.10.2021"], 
    'Product': ["apple", "apple", "orange", "orange", "apple","apple", "apple", "orange", "orange", "orange"], 
    'sold_kg': [2, 3, 1, 6, 2,2, 3, 1, 6, 2,]})
df['day']=pd.to_datetime(df['date']).dt.day 

# 生成透视表
dft=df.pivot_table(values='sold_kg', columns ='day', index='Product', aggfunc=[np.sum,len])

# 添加自定义列
dft['Fruit Total'] = dft['sum'].sum(axis=1)
dft['Count >2'] = dft['sum'].gt(2).sum(axis=1)

print(dft)

运行结果预览 #

sum           len           Fruit Total  Count >2
day           22    23    25   22   23   25                 
Product                                                      
apple       8.0  2.0  2.0  3.0  1.0  1.0       12.0         1
orange      7.0  7.0  2.0  2.0  2.0  1.0       16.0         2

这种方式完全基于列的层级逻辑，不管你的日期day数量怎么变化，代码都能稳定运行，比硬写iloc位置要可靠得多。

内容的提问来源于stack exchange，提问作者Zaur Guliyev