pandas.DataFrame.cumsum

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

Возвращает кумулятивную сумму по оси DataFrame или Series.

Возвращает DataFrame или Series того же размера, содержащий кумулятивную сумму.

Параметры:	axis : {0 или ‘index’, 1 или ‘columns’}, по умолчанию 0 Индекс или имя оси. 0 эквивалентно None или ‘index’. skipna : boolean, по умолчанию True Исключить значения NA/null. Если вся строка/столбец содержит NA, результат будет NA. *args, **kwargs : Дополнительные ключевые слова не влияют, но могут быть приняты для совместимости с NumPy.
Возвращает:	cumsum : Series or DataFrame

См. также

pandas.core.window.Expanding.sum

Аналогичная функциональность, но игнорирует NaN значения.

DataFrame.sum

Возвращает сумму по оси DataFrame.

DataFrame.cummax

Возвращает кумулятивный максимум по оси DataFrame.

DataFrame.cummin

Возвращает кумулятивный 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.cumsum()
0    2.0
1    NaN
2    7.0
3    6.0
4    6.0
dtype: float64

Для включения значений NA в операцию, используйте skipna=False

>>> s.cumsum(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 сумму в каждом столбце. Это эквивалентно axis=None или axis='index'.

>>> df.cumsum()
     A    B
0  2.0  1.0
1  5.0  NaN
2  6.0  1.0

Для итерирования по столбцам и нахождения суммы в каждой строке, используйте axis=1

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