pandas.DataFrame.cummax

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

Возвращает кумулятивный максимум по оси DataFrame или Series.

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

Параметры:

axis:{0 или ‘индекс’, 1 или ‘колонки’}, по умолчанию 0

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

skipna:bool, по умолчанию True

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

*args, **kwargs

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

Возвращает:

Series или DataFrame

Возвращает кумулятивный 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 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.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 максимум в каждой колонке. 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 колонкам и находить максимум 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