Pandas 为数据帧中的每个子组添加总行

我有一个数据帧，df:

BRAND ART_TYPE  YEAR_MONTH metrics  Value
aaa      xyz      201510       a   4500
aaa      xyz      201510       b   8500
bbc      abc      201510       c   3500
bbc      abc      201510       d  10000
xxx      def      201510       e  15000

我想为每组（[‘品牌’、‘艺术类型’、‘年\月’）添加一行） 因此，结果应该是：

BRAND   ART_TYPE    YEAR_MONTH  metrics Value
aaa     xyz         201510      a       4500
aaa     xyz         201510      b       8500
aaa     xyz         201510      tot     13000
bbc     abc         201510      c       3500
bbc     abc         201510      d       10000
bbc     abc         201510      tot     13500
xxx     def         201510      e       15000
xxx     def         201510      tot     15000

如何做到这一点？我们有什么功能吗？我尝试了apply和groupby函数，但没有成功。如果需要更多信息，请告诉我

我尝试的代码添加了一列：

df['total'] = df.groupby(['BRAND','ART_TYPE','YEAR_MONTH']).apply(calctot)

def calctot(df):
   return(sum(df['Value']))

---

这给出了一个错误，即使它工作，这将添加一列

我必须根据建议的输出更改输入数据帧。
我改进了函数

calctot

——删除列，然后追加求和行。 列

level_3

是从旧索引创建的，我将其删除。应用函数

groupby

后，

metrics

列中的新值是

NaN

，因此我用值

tot

填充它们

#  BRAND ART_TYPE  YEAR_MONTH metrics  Value
#0   aaa      xyz      201510       a   4500
#1   aaa      xyz      201510       b   8500
#2   bbc      abc      201510       c   3500
#3   bbc      abc      201510       d  10000
#4   xxx      def      201510       e  15000


def calctot(df):
    #delete columns
    df = df.drop(['BRAND', 'ART_TYPE', 'YEAR_MONTH'], axis=1)
    #append sum row, ignoring non-numeric column metrics
    return df.append(df.sum(numeric_only=True), ignore_index=True)

#groupby and reset index
df =  df.groupby(['BRAND','ART_TYPE','YEAR_MONTH']).apply(calctot).reset_index()
#delete old index column
df = df.drop(['level_3'], axis=1)
#fill NaN to value tot
df['metrics'] = df['metrics'].fillna('tot')

print df
#  BRAND ART_TYPE  YEAR_MONTH metrics  Value
#0   aaa      xyz      201510       a   4500
#1   aaa      xyz      201510       b   8500
#2   aaa      xyz      201510     tot  13000
#3   bbc      abc      201510       c   3500
#4   bbc      abc      201510       d  10000
#5   bbc      abc      201510     tot  13500
#6   xxx      def      201510       e  15000
#7   xxx      def      201510     tot  15000