pandas.DataFrame.cumprod

DataFrame.cumprod(axis=None, skipna=True, *args, **kwargs) [source]

Возвращает кумулятивное произведение по оси DataFrame или Series.

Возвращает DataFrame или Series того же размера, содержащий кумулятивное произведение.

Параметры:	axis : {0 или ‘индекс’, 1 или ‘колонки’}, по умолчанию 0 Индекс или имя оси. 0 эквивалентно None или ‘индекс’. skipna : boolean, по умолчанию True Исключить значения NA/null. Если вся строка/колонка состоит из NA, результат будет NA. *args, **kwargs : Дополнительные ключевые слова не имеют эффекта, но могут быть приняты для совместимости с NumPy.
Возвращает:	cumprod : Series or DataFrame

См. также

pandas.core.window.Expanding.prod

Аналогичная функциональность, но игнорирует NaN значения.

DataFrame.prod

Возвращает произведение по оси DataFrame.

DataFrame.cummax

Возвращает кумуляльный максимум по оси DataFrame.

DataFrame.cummin

Возвращает кумуляльный минимум по оси DataFrame.

DataFrame.cumsum

Возвращает кумулятивную сумму по оси DataFrame.

DataFrame.cumprod

Возвращает кумулятивное произведение по оси DataFrame.

Примеры

Series

>>> 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

По умолчанию значения NA игнорируются.

>>> s.cumprod()
0     2.0
1     NaN
2    10.0
3   -10.0
4    -0.0
dtype: float64

Чтобы включить значения NA в операцию, используйте skipna=False

>>> s.cumprod(skipna=False)
0    2.0
1    NaN
2    NaN
3    NaN
4    NaN
dtype: float64

DataFrame

>>> 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

По умолчанию итерируется по строкам и находит произведение в каждой колонке. Это эквивалентно axis=None или axis='index'.

>>> df.cumprod()
     A    B
0  2.0  1.0
1  6.0  NaN
2  6.0  0.0

Чтобы итерироваться по колонкам и найти произведение в каждой строке, используйте axis=1

>>> df.cumprod(axis=1)
     A    B
0  2.0  2.0
1  3.0  NaN
2  1.0  0.0