Python多索引透视表自定义列子总计：按品牌分设最大值与求和

我来帮你搞定这个问题！你遇到的核心痛点是直接给Total列连续赋值会覆盖之前的计算结果，导致只有最后一次的逻辑生效。咱们可以通过精准定位行并分别赋值的方式，实现不同品牌行的自定义总计逻辑，甚至可以用循环来扩展到更多品牌场景。

方法一：分品牌单独赋值（适合少量品牌） #

先初始化Total列，再用多索引定位工具pd.IndexSlice分别给Toyota和Honda设置计算规则：

import pandas as pd
import numpy as np

# 原始数据
cars = {'Brand': ['Honda','Toyota', 'Honda','Toyota'], 'Target': ['A','B', 'A','B'], 'Speed': [20, 80, 30 , 10], 'Date' : ['13/02/2019', '18/02/2019', '18/02/2019', '13/02/2019'] }
df = pd.DataFrame(cars)

# 构建透视表
table = pd.pivot_table(df, values=['Speed'], index=['Target', 'Brand'], columns=['Date'], fill_value=0, aggfunc=np.sum, dropna=True)

# 先初始化Total列（这里设为0作为初始值）
table['Total'] = 0

# 给Toyota行的Total赋值为该行的最大值
table.loc[pd.IndexSlice[:, 'Toyota'], 'Total'] = table.loc[pd.IndexSlice[:, 'Toyota'], :].max(axis=1)

# 给Honda行的Total赋值为该行的求和值
table.loc[pd.IndexSlice[:, 'Honda'], 'Total'] = table.loc[pd.IndexSlice[:, 'Honda'], :].sum(axis=1)

print(table)

运行后你会看到：Toyota行的Total正确显示为80和10（对应每行的最大值），Honda行的Total是50（20+30）和0（单行值的求和），完全符合你的预期。

方法二：字典+循环实现（适合多品牌扩展） #

如果以后要给更多品牌设置不同的计算逻辑，用字典存储规则再循环处理会更高效：

# 定义每个品牌对应的聚合规则：key是品牌名，value是对应的聚合函数
brand_agg_rules = {
    'Toyota': np.max,
    'Honda': np.sum
    # 以后新增品牌直接在这里加就行，比如 'Ford': np.mean
}

# 初始化Total列
table['Total'] = 0

# 循环处理每个品牌的规则
for brand, agg_func in brand_agg_rules.items():
    # 定位该品牌的所有行（不管Target是什么）
    target_brand_rows = pd.IndexSlice[:, brand]
    # 对该行的所有Date列应用聚合函数，赋值给Total
    table.loc[target_brand_rows, 'Total'] = table.loc[target_brand_rows, :].apply(agg_func, axis=1)

关键知识点提醒 #

• 避免整列覆盖：不要直接连续执行table['Total'] = ...，一定要用loc定位到具体行再赋值，这样才不会覆盖其他行的结果。
• 多索引定位技巧：pd.IndexSlice[:, 'BrandName']可以快速选中所有Target下的指定Brand行，这是处理多层索引的常用技巧。
• 轴方向注意：axis=1表示按行计算，确保我们是对每行的Date列数值进行聚合，而不是按列。

内容的提问来源于stack exchange，提问作者Caiotru