假设您愿意修改输入DataFrame，这将产生您请求的确切输出：

df.loc['Perc.'] = (
    df.loc['>48h'] / df.loc['<48h']
).apply(lambda x: f"{x:.0%}")

这假定打印输出中的第一列是DataFrame的索引。
要解开这个一点：
1.赋值df.loc['Perc.'] =将创建一个新行，用=右侧的值填充。

1. df.loc['>48h'] / df.loc['<48h']以浮点数形式计算所需的比率

• .apply调用对新行的每个元素调用一个函数，将原始百分比转换为按您所要求的方式格式化的字符串。再进一步解释一下：
• f"{x}"将x转换为字符串（本质上等同于str(x)）
• f"{x:.0%}"通过添加.0% * 格式说明符 * 来增强上述功能，该格式说明符将值显示为小数点后0位的百分比（即乘以100，四舍五入到小数点后0位，然后加上%符号）。有各种其他格式说明符可用于浮点数据。

请注意，如果你想对结果值做任何进一步的处理，我建议 * 不要 * 执行步骤3 -一旦你将数据转换为字符串，它显然不能例如。乘以其他数据。
如果你想两全其美，将内部值保持为浮点比率，但将它们显示为百分比，你可以这样做：

df.loc['Perc.'] = (
    df.loc['>48h'] / df.loc['<48h']
)

display_str = df.T.to_string(formatters={"Perc.": lambda x: f"{x:.0%}"})
print(display_str)

这将修改df以添加Perc.行，但其值将保持为实际浮点比。然后display_str将是整个 Dataframe 的适当格式的字符串表示，包括百分比。
注意，formatters接受以 column names为键的dict，而不是行，所以你必须先转置你的数据（df.T），结果输出将被转置：

Para  <48h  >48h Perc.
0  1.21  22.0   0.0    0%
1  2.21  25.0   1.0    4%
2  3.21  38.0   3.0    8%

如果你在Jupyter笔记本中工作，你也可以使用df.style.format方法来实现类似的功能;调用

df.T.style.format({"Perc.": "{:.0%}"})

将返回一个pandas.io.formats.style.Styler对象，但如果您在Jupyter笔记本中，它将像DataFrame一样呈现，相关列的格式如上所述。不过，这只适用于逐列的基础上，所以你需要转置。

para = ['01.21', '02.21', '03.21']
a = np.array(([22, 25, 38]))
b = np.array(([0, 1, 3]))
df = pd.DataFrame([para, a, b], index=['Para', '<48h', '>48h'], columns=['col0', 'col1', 'col2'])

perc = np.array(((b/a)*100))

df2 = pd.DataFrame([perc], index=['Perc.'], columns=['col0', 'col1', 'col2'])
df = df.append(df2)
print(df)

输出量：

col0   col1     col2
Para   01.21  02.21    03.21
<48h      22     25       38
>48h       0      1        3
Perc.      0      4  7.89474

对选定行使用DataFrame.loc：

#If first column is not index create it
#df = df.set_index('Para')

df.loc['Perc'] = df.loc['>48h'].div(df.loc['<48h']).mul(100).round()
print (df)
      01.21  02.21  03.21
Para                     
<48h   22.0   25.0   38.0
>48h    0.0    1.0    3.0
Perc    0.0    4.0    8.0

最好是先转置，所以可以按列选择：

#If first column is not index create it
#df = df.set_index('Para')

df = df.T

df['Perc'] = df['>48h'].div(df['<48h']).mul(100).round()
print (df)
Para   <48h  >48h  Perc
01.21    22     0   0.0
02.21    25     1   4.0
03.21    38     3   8.0

df.loc[key] = row
这是我们如何在pandas数据框中创建新行

这样存储数据不是最佳做法。读取Hadley's tidy data paper。
但是在一条线上你可以这样做。

df.loc['perc'] = df.iloc[2]/df.iloc[1]