【Pandas】pandas DataFrame cumsum

Pandas2.2 DataFrame

Computations descriptive stats

方法	描述
DataFrame.abs()	用于返回 DataFrame 中每个元素的绝对值
DataFrame.all([axis, bool_only, skipna])	用于判断 DataFrame 中是否所有元素在指定轴上都为 True
DataFrame.any(*[, axis, bool_only, skipna])	用于判断 DataFrame 中是否至少有一个元素在指定轴上为 True
DataFrame.clip([lower, upper, axis, inplace])	用于截断（限制）DataFrame 中的数值
DataFrame.corr([method, min_periods, …])	用于计算 DataFrame 中各列之间的相关系数矩阵（Correlation Matrix）
DataFrame.corrwith(other[, axis, drop, …])	用于计算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 中对应列的相关系数
DataFrame.count([axis, numeric_only])	用于统计 DataFrame 中每列或每行的非空（非 NaN）元素数量
DataFrame.cov([min_periods, ddof, numeric_only])	用于计算 DataFrame 中每对列之间的协方差
DataFrame.cummax([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最大值（cumulative maximum）
DataFrame.cummin([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最小值（cumulative minimum）
DataFrame.cumprod([axis, skipna])	用于计算 DataFrame 中每列或每行的累计乘积（cumulative product）
DataFrame.cumsum([axis, skipna])	用于计算 DataFrame 中每列或每行的累计和（cumulative sum）

pandas.DataFrame.cumsum()

pandas.DataFrame.cumsum() 方法用于计算 DataFrame 中每列或每行的累计和（cumulative sum）。该方法返回一个与原 DataFrame 形状相同的对象，每个位置上的值是到该位置为止所有元素的累加和。

---

参数说明：

1. axis：{0 or ‘index’, 1 or ‘columns’}, default 0

   • 指定计算方向：
     • 0 或 'index'：按列计算（对每一列从上往下累计）
     • 1 或 'columns'：按行计算（对每一行从左往右累计）

2. skipna：bool, default True

   • 如果为 True，则忽略 NaN 值；
   • 如果为 False，遇到 NaN 则结果也为 NaN。

---

示例代码 1：默认参数（按列累计和）

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3, 4],
    'B': [10, 20, 30, 40]
})

result = df.cumsum()
print(result)

输出结果：

    A   B
0   1  10
1   3  30
2   6  60
3  10 100

---

示例代码 2：按行累计和（axis=1）

result = df.cumsum(axis=1)
print(result)

输出结果：

    A   B
0   1  11
1   2  22
2   3  33
3   4  44

---

示例代码 3：包含 NaN 值时 skipna=False 的影响

import numpy as np

df_with_nan = pd.DataFrame({
    'A': [1, 2, None, 4],
    'B': [None, 2, 3, 4]
})

result = df_with_nan.cumsum(skipna=False)
print(result)

输出结果：

     A    B
0  1.0  NaN
1  3.0  NaN
2  NaN  NaN
3  NaN  NaN

---

总结：

• cumsum() 是数据分析中非常常用的函数，适用于追踪数据随时间或其他维度的累积变化。
• 常用于财务、统计、信号处理等领域，如计算累计销售额、累计收益、积分信号等。