pandas.DataFrame.cumsum

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

Возвращает кумулятивную сумму по оси DataFrame или Series.

Возвращает DataFrame или Series той же размерности, содержащие кумулятивную сумму.

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

См. также

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

Чтобы включить значения 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

Чтобы итерироваться по столбцам и найти сумму 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