对每个组的top1行使用自定义函数：

def f(x):
    return pd.DataFrame({'col1': x.name, 'col2': x['col2'].sum()}, index=[0]).append(x)
    
df = (df.sort_values(by=['col3'])
        .groupby(by=['col3'], group_keys=False)
        .apply(f)
        .drop('col3', 1)
        .reset_index(drop=True))
print (df)
  col1  col2
0    a     3
1    x     1
2    y     2
3    b     3
4    z     3

性能更高的解决方案是使用GroupBy.ngroup作为索引，按concat聚合sum和最后一个连接值，仅按mergesort进行稳定排序：

df = df.sort_values(by=['col3'])

df1 = df.groupby(by=['col3'])['col2'].sum().rename_axis('col1').reset_index()
df2 = df.set_index(df.groupby(by=['col3']).ngroup())

df = pd.concat([df1, df2]).sort_index(kind='mergesort', ignore_index=True).drop('col3', 1)
print (df)
  col1  col2
0    a     3
1    x     1
2    y     2
3    b     3
4    z     3

关于：

(df.melt(id_vars='col2')
   .rename(columns={'value': 'col1'})
   .groupby('col1').sum()
   .reset_index()
)

输出：

col1  col2
0    a     3
1    b     3
2    x     1
3    y     2
4    z     3

def function1(dd:pd.DataFrame):
    df.loc[dd.index.min()-0.5,['col1','col2']]=[dd.name,dd.col2.sum()]

df.groupby('col3').apply(function1).pipe(lambda dd:df.sort_index(ignore_index=True)).drop('col3',axis=1)

输出

col1  col2
0    a     3
1    x     1
2    y     2
3    b     3
4    z     3

或使用pandasql库

def function1(dd:pd.DataFrame):
    return dd.sql("select '{}' as col1,{} as col2 union select col1,col2 from self".format(dd.name,dd.col2.sum()))

df.groupby('col3').apply(function1).reset_index(drop=False)

      col1  col2
    0    a     3
    1    x     1
    2    y     2
    3    b     3
    4    z     3