Pandas中如何操作单个单元格实现列求和后自定义计算赋值

直接按以下步骤操作即可，不需要绕路取已追加行的数值，提前把求和值存为变量后续计算更高效：

• 1. 替换原有append求和行的写法（pandas 2.0+版本已经移除append方法，官方推荐用concat实现行追加，兼容所有新版环境），先把求和结果存为独立变量方便后续计算：

import pandas as pd

# 先计算数值列的求和结果，存为变量
sum_val_row = Askins.sum(numeric_only=True)
# 把求和行追加到表中，这行就是你说的第31行（按行号从1开始计数的规则）
Askins = pd.concat([Askins, pd.DataFrame([sum_val_row])], ignore_index=True)

• 2. 代入公式计算目标值。把你要计算的指定列名替换到代码里即可，公式逻辑为「指定列的求和值 / 70000 * 10000」：

# 把引号里的内容替换成你实际要计算的列名
target_column = "你的目标列名称"
calc_result = sum_val_row[target_column] / 70000 * 10000

# 如果你不需要取求和值，就是固定用45656.91做分子计算，直接写下面这行就行
# calc_result = 45656.91 / 70000 * 10000

• 3. 把计算结果作为唯一内容追加到第32行。如果需要这行仅在目标列显示计算结果、其他列为空，用下面的写法：

# 构造仅目标列有值的新行
new_calc_row = pd.DataFrame([{target_column: calc_result}])
# 追加到表末尾，即为你需要的第32行
Askins = pd.concat([Askins, new_calc_row], ignore_index=True)

如果你需要这行的计算结果放在第一列、其他所有位置留空，直接用简化写法即可：

Askins.loc[len(Askins)] = None
Askins.iloc[-1, 0] = calc_result

• 如果你用的是早于1.4版本的pandas，非要用原有append写法，把上面的pd.concat部分替换成你原来的append逻辑即可，核心是提前把求和值存为变量，不用追加完再遍历取数。

内容的提问来源于stack exchange，提问作者max2lax