pandas.Series.cumsum#

Series.cumsum(axis=None, skipna=True, *args, **kwargs)[源代码]#

返回DataFrame或Series轴上的累计和。

返回包含累计和的相同大小的DataFrame或Series。

参数

axis{0或‘index’，1或‘Columns’}，默认为0: 轴的索引或名称。0等同于无或‘index’。
skipna布尔值，默认为True: 排除NA/NULL值。如果整行/列为NA，则结果将为NA。
*args, ** 科瓦格人: 其他关键字不起作用，但可能会因为与NumPy兼容而被接受。

退货

标量或级数: 返回标量或系列的累计和。

参见

core.window.Expanding.sum: 类似的功能，但忽略 NaN 价值。
Series.sum: 返回级数轴上的总和。
Series.cummax: 返回系列轴上的累计最大值。
Series.cummin: 返回系列轴上的累计最小值。
Series.cumsum: 返回系列轴上的累计和。
Series.cumprod: 返回系列轴上的累计产品。

示例

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

默认情况下，NA值被忽略。

>>> s.cumsum()
  2.0
  NaN
  7.0
  6.0
  6.0
dtype: float64

要在操作中包括NA值，请使用 skipna=False

>>> s.cumsum(skipna=False)
  2.0
  NaN
  NaN
  NaN
  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

默认情况下，遍历各行并在每列中查找总和。这相当于 axis=None 或 axis='index' 。

>>> df.cumsum()
     A    B
0  2.0  1.0
1  5.0  NaN
2  6.0  1.0

要对列进行迭代并在每行中求和，请使用 axis=1

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

pandas.Series.cumprod

pandas.Series.describe