Python Pandas：在保留数据类型的同时，添加计算特定（多个）列之和的总行的最佳方法

我试图在数据框的底部创建一行，以显示某些列的总和。我的印象是，这将是一个非常简单的操作，但令我惊讶的是，我发现的所有方法都不是一步到位的

我在SO上找到的方法：

df.loc['TOTAL']=df.sum（）

只要dataframe中有非数字列，这对我就不起作用。我需要先选择列，然后在非数字列后面加上concat

df.append（df.sum（仅数值=True），忽略索引=True）

这不会保留我的数据类型。整数列将转换为浮点

df3.loc['Total'，'ColumnA']=df['ColumnA'].sum（）

我只能用它来求一列的和

我一定错过了一些东西，因为这不是一个很难的手术。请让我知道如何在保留数据帧的数据类型的同时添加求和行

谢谢

编辑：

首先，很抱歉更新太晚。上周末我在路上

例如：

df1 = pd.DataFrame(data = {'CountyID': [77, 95], 'Acronym': ['LC', 'NC'], 'Developable': [44490, 56261], 'Protected': [40355, 35943], 
                          'Developed': [66806, 72211]}, index = ['Lehigh', 'Northampton'])

我想要的是

请忽略索引的差异

这对我来说有点棘手，因为我不需要获取列“County ID”的总和，因为它是用于特定索引的。因此，问题更多的是获取特定数值列的总和

---

再次感谢。

要选择数字列，您可以执行以下操作

df_numeric = df.select_dtypes(include = ['int64', 'float64'])
df_num_cols = df_numeric.columns

然后做你首先做的（使用我发现的）

---

以下是一些玩具数据作为示例：

df = pd.DataFrame({'A':[1.0,2.0,3.0],'B':[1,2,3],'C':['A','B','C']})

为了在求和后保留

d类型

，我们将它们存储为

d

d = df.dtypes

接下来，因为我们只想对数值列求和，所以将

numeric\u only=True

传递给

sum（）

，但遵循与第一次尝试类似的逻辑

df.loc['Total'] = df.sum(numeric_only=True)

最后，将数据帧的

dtypes

重置为其原始值

df.astype(d)

---

---

请提供一个5-10行的示例数据框，并明确指出您的输出。“你的问题（以及当前的答案）充其量是模棱两可的。”coldspeed，我刚刚问过。请让我知道它是否有效。或者，您可以通过执行

df\u not\u numeric=df选择非数字类型的列来选择数字列。选择数据类型（包括=['object'，'datetime']）

然后执行

df\u num\u colls=df.columns.difference（df\u num.columns）

谢谢。这太棒了。这几乎正是我想要的，除了有时我不需要某些数字列之和的部分（如我在编辑中所示）。那我该怎么办？

df.astype(d)

         A  B    C
0      1.0  1    A
1      2.0  2    B
2      3.0  3    C
Total  6.0  6  NaN