pandas.DataFrame.cummax

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

Возвращает кумуляльный максимум по оси DataFrame или Series.

Возвращает DataFrame или Series того же размера, содержащий кумуляльный максимум.

Параметры

axis:{0 или ‘index’, 1 или ‘columns’}, по умолчанию 0

Индекс или имя оси. 0 эквивалентно None или ‘index’. Для Series этот параметр не используется и по умолчанию равен 0.

skipna:bool, по умолчанию True

Исключить значения NA/null. Если вся строка/столбец содержит NA, результат будет NA.

*args, **kwargs

Дополнительные ключевые слова не оказывают влияния, но могут приниматься для совместимости с NumPy.

Возвращает

Series или DataFrame

Возвращает кумуляльный максимум Series или DataFrame.

См. также

core.window.expanding.Expanding.max

Аналогичная функциональность, но игнорирует NaN значения.

DataFrame.max

Возвращает максимум 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.cummax()
0    2.0
1    NaN
2    5.0
3    5.0
4    5.0
dtype: float64

Для включения значений NA в операцию используйте skipna=False

>>> s.cummax(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 максимум в каждом столбце. Это эквивалентно axis=None или axis='index'.

>>> df.cummax()
     A    B
0  2.0  1.0
1  3.0  NaN
2  3.0  1.0

Для итерирования по столбцам и поиска максимума в каждой строке, используйте axis=1

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