如何基于已有行计算结果创建新行并整合至DataFrame

直接用numpy数组相加的方式会丢失分组维度的信息（比如不同国家、不同年份的对应关系），用pandas的分组求和+合并方法更靠谱，步骤如下：

1. 筛选目标行业并分组求和 #

先把需要汇总的行业筛选出来，按Economy、ADB Code、Year这三个维度分组，对指数列求和：

import pandas as pd

# 定义需要汇总的行业列表
target_sectors = ['Construction', 'Manufacturing', 'Mining, Utilities']

# 筛选目标行业数据，按关键维度分组求和
industry_summary = df[df['Sector'].isin(target_sectors)] \
    .groupby(['Economy', 'ADB Code', 'Year'], as_index=False) \
    .agg({'Employment index': 'sum', 'VA index': 'sum'})

# 给汇总数据设置新的行业名称
industry_summary['Sector'] = 'Industry'  # 可根据需求修改名称

2. 合并汇总数据到原DataFrame #

用concat把原数据和新生成的汇总数据合并：

# 合并原数据与汇总数据，重置索引避免重复
final_df = pd.concat([df, industry_summary], ignore_index=True)

这种方法会自动保留每个国家、年份对应的Economy、ADB Code信息，不会出现数据错位的问题，比直接操作numpy数组更贴合你的需求。

内容的提问来源于stack exchange，提问作者kssmvv