Pandas 数据框二级列名求和：如何计算 'max' 列每行值的总和？

Pandas 如何计算二级列名为 'max' 的每行值的总和？

假设你有一个包含二级列名的数据框，并且你想要计算二级列名为 'max' 的每一行的值相加。你可以使用 Pandas 的 groupby 和 sum 函数轻松实现。

假设你的数据框名为 df，请按照以下步骤操作：

使用 groupby 函数按照一级列名对数据框进行分组。
```
df.groupby(level=0, axis=1)
```
这将返回一个 DataFrameGroupBy 对象，该对象允许你对每个分组执行聚合操作。
使用 sum 函数对每个分组中的 'max' 列求和。
```
df.groupby(level=0, axis=1).sum()['max']
```
这将返回一个包含每一行 'max' 列值的 Series。
（可选）将 Series 转换为新的数据框。 如果你想要将结果保存为新的数据框，可以使用 to_frame 函数：
```
df.groupby(level=0, axis=1).sum()['max'].to_frame()
```
这将创建一个包含一列名为 'max' 的数据框，其中包含每行的 'max' 列值之和。

示例：

假设你有以下数据框：

                HP                 Attack                 Defense                  
          max min       mean    max min        mean     max min        mean   
Type 1                                                                        
Bug        86   1  56.884058    185  10   70.971014     230  30   70.724638   
Dark      126  35  66.806452    150  50   88.387097     125  30   70.225806   
Dragon    125  41  83.312500    180  50  112.125000     130  35   86.375000

运行上述代码后，你将得到以下结果：

Type 1
Bug       491
Dark      301
Dragon    335
Name: max, dtype: int64