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, содержащий кумуляльный 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 целая строка/столбец содержит значения NA, результат будет NA.

*args, **kwargs

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

Возвращаемое значение:

скаляр или Series

Возвращает кумуляльный максимум скаляра или Series.

См. также

core.window.expanding.Expanding.max

Аналогичная функциональность, но игнорирует значения NaN.

Series.max

Возвращает максимум 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 найти 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