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, содержащие кумулятивную сумму.

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/столбец содержит значения NA, результат будет NA.

*args, **kwargs

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

Возвращает:

Series или DataFrame

Возвращает кумулятивную сумму Series или DataFrame.

См. также

core.window.expanding.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 находить 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