在Pandas中对列求和（无科学计数法、无NaN）并加入DataFrame导出CSV

看来你已经搞定了基础的DataFrame，现在就差把下载量总和、总传输数据这两个统计结果加进去，还要处理NaN和避免科学计数法对吧？咱们一步一步来解决：

第一步：计算统计量（处理NaN+规避科学计数法） #

首先计算总和时，要确保自动跳过NaN值（sum()默认已经开启skipna=True，明确写出来更清晰），同时为了避免科学计数法干扰，我们可以提前设置Pandas的显示规则，或者直接对结果做格式化：

import pandas as pd

# 全局设置：避免科学计数法，整数显示为整数值，浮点数保留2位小数
pd.set_option('display.float_format', lambda x: '%.0f' % x if x.is_integer() else '%.2f' % x)

# 计算下载量总和（自动跳过NaN）
total_downloads = df1['downloads'].sum(skipna=True)
# 计算总Size并转换为GB（如果按1000进制计算可以用10**9，按需选择）
total_size_gb = df1['Size'].sum(skipna=True) / (1024 ** 3)

第二步：把统计结果加入原DataFrame #

我们可以构造一条汇总行，然后把它追加到原DataFrame的末尾：

# 构造汇总行的字典，标记清楚这是统计总行
summary_row = {
    'downloads': total_downloads,
    'url_info_hostname': 'Total',
    'date': '2018-03-01',  # 和原数据日期保持一致
    'Size': total_size_gb
}

# 把字典转成单个行的DataFrame
summary_df = pd.DataFrame([summary_row])

# 合并原DataFrame和汇总行，重置索引避免重复
df_with_summary = pd.concat([df1, summary_df], ignore_index=True)

第三步：导出带统计的CSV #

导出时可以额外指定float_format，确保CSV文件里的数值不会出现科学计数法：

# 导出CSV，index=False不导出索引列，float_format控制浮点数值格式
df_with_summary.to_csv('download_stats.csv', index=False, float_format='%.2f')

额外小提示 #

如果不想修改全局显示格式，也可以在计算结果时直接格式化，比如把total_downloads转成整数（如果结果是整数的话），或者用f-string转成字符串，但这样会改变列的数据类型，按需选择即可。

内容的提问来源于stack exchange，提问作者chowpay