Python/pandas：向带小计的透视DataFrame追加自定义求和小计行

前置准备 #

先确认现有透视表的行索引包含所有需要参与求和的项：

# 打印全量行索引，核对CA-1、INT-1、INT-2是否存在
print(df.index.tolist())

如果索引列表中找不到目标项，先回溯检查pivot_table生成时的参数，确认内置小计的命名规则是否符合预期。

步骤1：计算自定义小计行的数值 #

直接按列提取指定行做求和，生成单行数据：

# 提取指定行逐列求和
ds_row = df.loc[["CA-1", "INT-1", "INT-2"]].sum()
# 给这行设置自定义名称
ds_row.name = "DS"

适配多级行索引的补充说明：如果你的透视表是多级行索引结构，需要把ds_row的索引设置为和原表匹配的元组格式，比如原表同层级的行索引为("汇总类", "CA-1")，则调整为ds_row.name = ("自定义汇总", "DS")，避免拼接时出现层级不匹配的空值。

步骤2：将自定义行拼入原透视表 #

简易拼接（直接放表尾） #

不需要严格控制行位置时，直接拼接即可：

new_df = pd.concat([df, ds_row.to_frame().T])

注意：单条Series拼接时必须加to_frame().T做转置，否则Series会按列结构拼接，生成异常的空列。

精准位置拼接（放在指定小计旁边） #

如果需要把DS行和其他内置小计放在相邻位置（比如紧跟在INT-2行之后），可以按行切片的方式拼接：

# 定位INT-2行的索引位置
insert_pos = df.index.get_loc("INT-2") + 1
# 按位置切片拼接
new_df = pd.concat([
    df.iloc[:insert_pos],
    ds_row.to_frame().T,
    df.iloc[insert_pos:]
])

• 不要使用pandas新版本已弃用的df.append()方法，统一用pd.concat做行拼接，避免版本兼容报错
• 拼接完成后可以单独打印DS行的数值核对，确认没有误把明细行当成小计行纳入求和范围，避免计算结果偏差
• 如果原表的内置总计是全量行求和，拼接完成后不需要修改总计值，因为DS行是自定义加项，不会影响原有总计的计算逻辑

内容的提问来源于stack exchange，提问作者John