如何为pandas多级索引（multi index）DataFrame添加小计行并优化展示效果

实现方法说明 #

完全可以仅通过pandas实现该需求，核心思路是构造和原表索引结构对齐的小计行，按分组顺序拼接后利用pandas多级索引的自动合并特性实现美观的展示效果，示例代码如下：

1. 预处理原始数据

首先将原表的分类字段设置为多级索引，方便后续分组操作和自动合并展示：

import pandas as pd

# 模拟你的原始数据
data = {
    'Attribute 1': ['A', 'A', 'A', 'H', 'H', 'H', 'H'],
    'Attribute 2': ['B', 'B', 'C', 'B', 'B', 'C', 'C'],
    'Attribute 3': ['D', 'E', 'F', 'D', 'E', 'F', 'G'],
    'Value': [10, 11, 12, 10, 11, 12, 15]
}
df = pd.DataFrame(data)
# 设置三级多级索引，pandas展示时会自动合并重复的上层索引值
df = df.set_index(['Attribute 1', 'Attribute 2', 'Attribute 3'])

2. 构造小计行并拼接

按Attribute 1分组计算求和结果后，构造和原表索引结构完全对齐的小计行，再按分组顺序拼接：

# 计算分组求和结果
df_sum = df.groupby(level='Attribute 1').sum()

# 构造结构匹配的小计行
subtotal_list = []
for attr1, sum_val in df_sum['Value'].items():
    # 小计行的下层索引留空，上层索引填小计标识，保证结构和原表对齐
    subtotal_list.append(
        pd.Series({'Value': sum_val}, name=(f'Subtotal for {attr1}', '', ''))
    )
df_subtotal = pd.DataFrame(subtotal_list)
df_subtotal.index.names = ['Attribute 1', 'Attribute 2', 'Attribute 3']

# 按分组顺序拼接原数据和对应小计行
df_final = pd.concat([
    pd.concat([group, df_subtotal.loc[[f'Subtotal for {attr1}']]])
    for attr1, group in df.groupby(level='Attribute 1')
])

3. 输出结果

直接打印或者导出Excel即可得到你期望的效果，导出Excel时添加merge_cells=True参数可以保留合并单元格的样式：

# 控制台打印效果和你要求的完全一致
print(df_final)

# 导出到Excel保留合并单元格样式
df_final.to_excel('result.xlsx', merge_cells=True)

内容的提问来源于stack exchange，提问作者Lê Hồng Nhật