如何在Pandas DataFrame无分组场景下对多列求和，同时保持数据类型及DataFrame输出格式

嘿，完全懂你的痛点！分组求和的时候能得到格式规整的DataFrame，还能保留各列原本的数据类型，但直接调用sum()就变成Series，不仅格式不对，连整数列都被转成浮点数了——加dummy列虽然能解决，但确实有点啰嗦。给你几个更优雅的方案：

方案一：匿名函数分组（最推荐，完美匹配分组求和逻辑） #

直接用groupby把所有行归为同一组，这样求和的逻辑和你分组ind1时完全一致，既能输出一行的DataFrame，又能严格保留各列的数据类型：

result = df[['x', 'y']].groupby(lambda _: True).sum().reset_index(drop=True)

运行后得到的结果完全符合你的预期：

x     y
0  10  10.6

这里的lambda _: True会把每一行都分到同一个组里，求和时会像分组场景那样逐列单独计算，所以x列还是整数类型，y列保持浮点数，和分组求和的行为完全对齐。

方案二：利用sum的keepdims参数（最简洁，适合不介意类型转换的场景） #

Pandas的sum方法自带一个keepdims参数，设置为True就能保留原DataFrame的二维结构，直接返回一行的DataFrame：

result = df[['x', 'y']].sum(keepdims=True)

不过要注意，这个方法会把所有列的类型统一提升为更通用的类型（比如你的x列会从int变成float），因为它是对整个DataFrame求和后直接保留维度，没有逐列维护类型。如果你的场景不介意这点，这个方法是最简洁的。

方案三：手动构造DataFrame（最灵活，可自定义类型） #

如果你想完全掌控每一列的类型，可以先按列单独求和，再手动组装成DataFrame：

sum_vals = {col: df[col].sum() for col in ['x', 'y']}
result = pd.DataFrame([sum_vals])

要是需要强制指定类型（比如确保x列是整数），还能手动调整：

sum_vals = {
    'x': int(df['x'].sum()),
    'y': df['y'].sum()
}
result = pd.DataFrame([sum_vals])

这些方案都不需要修改原DataFrame，代码更简洁易读，也更容易给其他同事解释~

备注：内容来源于stack exchange，提问作者Keyub W