我会继续说......“不”，我不认为有一个直接的方法来做到这一点，pandastic的方法（也是pythonic的）是明确的：

pd.DataFrame(df.sum(), columns=['sum'])

或者，更优雅地说，使用字典（注意，这会复制求和数组）：

pd.DataFrame({'sum': df.sum()})

• 正如@root所指出的，它的使用速度更快：*

pd.DataFrame(np.sum(df.values, axis=0), columns=['sum'])

(As Python中的Zen说：“实用胜过纯洁”，所以如果你关心这个时间，就用这个）。

• 然而，也许最讽刺的方式是只使用该系列！*：）

。
一些%timeit的小例子：

In [11]: %timeit pd.DataFrame(df.sum(), columns=['sum'])
1000 loops, best of 3: 356 us per loop

In [12]: %timeit pd.DataFrame({'sum': df.sum()})
1000 loops, best of 3: 462 us per loop

In [13]: %timeit  pd.DataFrame(np.sum(df.values, axis=0), columns=['sum'])
1000 loops, best of 3: 205 us per loop

对于一个稍微大一点的：

In [21]: df = pd.DataFrame(np.random.randn(100000, 3), columns=list('abc'))

In [22]: %timeit pd.DataFrame(df.sum(), columns=['sum'])
100 loops, best of 3: 7.99 ms per loop

In [23]: %timeit pd.DataFrame({'sum': df.sum()})
100 loops, best of 3: 8.3 ms per loop

In [24]: %timeit  pd.DataFrame(np.sum(df.values, axis=0), columns=['sum'])
100 loops, best of 3: 2.47 ms per loop

通常，不仅需要将列的总和转换为 Dataframe ，而且还需要将结果 Dataframe 转置。还有一种方法：

df.sum().to_frame().transpose()

您可以使用agg进行简单的操作，如sum，看看它有多紧凑：

df.agg(['sum'])

但是，这可能会带来很大的性能损失。当更短的执行时间比更短的代码行更重要时，请考虑其他解决方案。

我不确定早期版本，但从pandas 0.18.1开始，可以使用pandas.Series.to_frame方法。

import pandas as pd
df = pd.DataFrame([[1, 2, 3], [2, 3, 3]], columns=['a', 'b', 'c'])
s = df.sum().to_frame(name='sum')

type(s)

>>> pandas.core.frame.DataFrame

name参数是可选的，用于定义列名。

df.sum().to_frame()应该做你想做的。
参见https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.to_frame.html。

通过DF.sum().to_frame()或将聚合结果直接存储到Dataframe，不是一个健康的选择。更重要的是，当你想单独存储聚合值和聚合总和时。使用DF.sum（）.to_frame将一起存储值和总和。
尝试下面的更干净的版本。

a = DF.sum()
sum = list(a)
values = list(a.index)

Series_Dict = {"Agg_Value":values, "Agg_Sum":sum}

Agg_DF = pd.DataFrame(Series_Dict)