如何生成含列求和结果的同结构MultiIndex DataFrame

最简单的解决方案：用Pandas内置方法一步实现 #

不需要手动循环字典，直接用sum()方法就能快速得到符合要求的结果，还能完美保留原表的多级列结构：

import pandas as pd
import numpy as np

# 示例多级索引DataFrame
columns = pd.MultiIndex.from_tuples([
    ('A', 'a1'), ('A', 'a2'), ('B', 'b1'), ('B', 'b2'), ('C', 'c1')
], names=['Top', 'Sub'])
df = pd.DataFrame(np.random.randint(1, 10, (3, 5)), columns=columns)

# 生成求和结果的单行DataFrame
sum_df = df.sum().to_frame().T
# 可选：给行索引命名
sum_df.index = ['Total']

运行后sum_df的列结构和原表完全一致，仅包含一行所有列的求和结果。

你的错误原因分析 #

你遇到的"numpy.float64' object has no attribute 'extend'"错误，是因为你试图对单个数值（求和结果是numpy浮点数类型）调用列表的extend()方法。比如你可能写了类似sum_dict[top_col].extend(sub_sum)的代码，但sub_sum是单个数值，不是列表，自然无法使用extend。

手动循环字典的修正方案 #

如果一定要用循环字典的方式实现，需要为每个顶级列对应的子列单独构建键值对，再转换成多级列DataFrame：

sum_dict = {}
# 按顶级列分组遍历
for top_col, sub_cols in df.columns.groupby(level=0):
    # 计算当前顶级列下所有子列的求和值
    sub_sum_dict = {sub: df[(top_col, sub)].sum() for sub in sub_cols.get_level_values(1)}
    sum_dict[top_col] = sub_sum_dict

# 从字典生成多级列DataFrame
sum_df = pd.DataFrame.from_dict(sum_dict, orient='columns')
sum_df.index = ['Total']

总结 #

优先使用Pandas内置的sum()方法，代码简洁且不易出错，完全能满足你保留两级表头、生成单行求和结果的需求。

内容的提问来源于stack exchange，提问作者user29839