pandas.DataFrame.cumsum # 数据框。cumsum ( axis = None , Skipna = True , * args , ** kwargs ) [来源] # 返回 DataFrame 或 Series 轴上的累积和。 返回包含累积和的相同大小的 DataFrame 或 Series。 参数: 轴{0 或 'index', 1 或 'columns'}, 默认 0轴的索引或名称。 0 相当于无或“索引”。对于系列,此参数未使用,默认为 0。 Skipna布尔值,默认 True排除 NA/null 值。如果整行/列为 NA,则结果将为 NA。 *args,**kwargs其他关键字没有效果,但可能会被接受以与 NumPy 兼容。 返回: 系列或数据框返回 Series 或 DataFrame 的累积和。 也可以看看 core.window.expanding.Expanding.sum类似的功能但忽略NaN值。 DataFrame.sum返回 DataFrame 轴上的总和。 DataFrame.cummax返回 DataFrame 轴上的累积最大值。 DataFrame.cummin返回 DataFrame 轴上的累积最小值。 DataFrame.cumsum返回 DataFrame 轴上的累积和。 DataFrame.cumprod返回 DataFrame 轴上的累积乘积。 例子 系列 >>> s = pd.Series([2, np.nan, 5, -1, 0]) >>> s 0 2.0 1 NaN 2 5.0 3 -1.0 4 0.0 dtype: float64 默认情况下,NA 值被忽略。 >>> s.cumsum() 0 2.0 1 NaN 2 7.0 3 6.0 4 6.0 dtype: float64 要在运算中包含 NA 值,请使用skipna=False >>> s.cumsum(skipna=False) 0 2.0 1 NaN 2 NaN 3 NaN 4 NaN dtype: float64 数据框 >>> df = pd.DataFrame([[2.0, 1.0], ... [3.0, np.nan], ... [1.0, 0.0]], ... columns=list('AB')) >>> df A B 0 2.0 1.0 1 3.0 NaN 2 1.0 0.0 默认情况下,迭代行并查找每列中的总和。这相当于axis=None或axis='index'。 >>> df.cumsum() A B 0 2.0 1.0 1 5.0 NaN 2 6.0 1.0 要迭代列并查找每行的总和,请使用axis=1 >>> df.cumsum(axis=1) A B 0 2.0 3.0 1 3.0 NaN 2 1.0 1.0