pandas.Series.cummax

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

Возвращает кумуляльный максимум по оси DataFrame или Series.

Возвращает DataFrame или Series того же размера, содержащие 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 имеют эффекта, но могут быть приняты для совместимости с NumPy.

Возвращает

скаляр или Series

Возвращает кумуляльный максимум скаляра или Series.

См. также

core.window.expanding.Expanding.max

Аналогичная функциональность, но игнорирует NaN значения.

Series.max

Возвращает максимальное значение по оси Series.

Series.cummax

Возвращает кумуляльный максимум по оси Series.

Series.cummin

Возвращает кумуляльный минимум по оси Series.

Series.cumsum

Возвращает кумулятивную сумму по оси Series.

Series.cumprod

Возвращает кумулятивное произведение по оси Series.

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

Чтобы включить значения 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 максимальное значение 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

Чтобы итерироваться по столбцам и находить максимальное значение 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