79_pandas中的累积和与累积积（cumsum, cumprod, cummax, cummin）

import pandas as pd

print(pd.__version__)

# 1.0.5

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=['X', 'Y', 'Z'])

print(df)

#    A  B
# X  1  4
# Y  2  5
# Z  3  6

默认情况下，无论是cumsum()还是cumprod()，都会按列计算累积和和累积积。如果指定参数axis=1，则按行计算。

print(df.cumsum())

#    A   B
# X  1   4
# Y  3   9
# Z  6  15

print(df.cumsum(axis=1))

#    A  B
# X  1  5
# Y  2  7
# Z  3  9

print(df.cumprod())

#    A    B
# X  1    4
# Y  2   20
# Z  6  120

print(df.cumprod(axis=1))

#    A   B
# X  1   4
# Y  2  10
# Z  3  18

对于pandas.Series，也可以使用cumsum()和cumprod()方法：

print(df['B'])

# X    4
# Y    5
# Z    6
# Name: B, dtype: int64

print(type(df['B']))

# <class 'pandas.core.series.Series'>

print(df['B'].cumsum())

# X     4
# Y     9
# Z    15
# Name: B, dtype: int64

print(df['B'].cumprod())

# X      4
# Y     20
# Z    120
# Name: B, dtype: int64

缺失值NaN的处理：参数skipna

以下是一个包含缺失值NaN的pandas.DataFrame示例：

df_nan = pd.DataFrame({'A': [1, 2, 3], 'B': [4, float('nan'), 6]}, index=['X', 'Y', 'Z'])

print(df_nan)

#    A    B
# X  1  4.0
# Y  2  NaN
# Z  3  6.0

默认情况下，缺失值NaN会被跳过。

print(df_nan.cumsum())

#    A     B
# X  1   4.0
# Y  3   NaN
# Z  6  10.0

如果将参数skipna=False，缺失值NaN也会被处理。由于与NaN进行任何算术运算的结果均为NaN，因此NaN之后的所有元素都会变为NaN。

print(float('nan') + 4)

# nan

print(df_nan.cumsum(skipna=False))

#    A    B
# X  1  4.0
# Y  3  NaN
# Z  6  NaN

对于cumprod()方法，处理方式与cumsum()相同：

print(df_nan.cumprod())

#    A     B
# X  1   4.0
# Y  2   NaN
# Z  6  24.0

print(df_nan.cumprod(skipna=False))

#    A    B
# X  1  4.0
# Y  2  NaN
# Z  6  NaN

对于pandas.Series，处理方式相同，此处省略示例。

其他累积操作：cummax()、cummin()

cummax()和cummin()方法分别用于累积计算最大值和最小值。例如，在时间序列数据中，可以用来计算某一时点之前的最大值或最小值。

用法与cumsum()和cumprod()相同。默认情况下按列计算，指定参数axis=1则按行计算。

df2 = pd.DataFrame({'A': [1, 4, 2], 'B': [6, 3, 5]}, index=['X', 'Y', 'Z'])

print(df2)

#    A  B
# X  1  6
# Y  4  3
# Z  2  5

print(df2.cummax())

#    A  B
# X  1  6
# Y  4  6
# Z  4  6

print(df2.cummax(axis=1))

#    A  B
# X  1  6
# Y  4  4
# Z  2  5

print(df2.cummin())

#    A  B
# X  1  6
# Y  1  3
# Z  1  3

print(df2.cummin(axis=1))

#    A  B
# X  1  1
# Y  4  3
# Z  2  2

对于缺失值NaN，处理方式与cumsum()和cumprod()相同，可通过参数skipna指定。

df2_nan = pd.DataFrame({'A': [1, 4, 2], 'B': [6, float('nan'), 5]}, index=['X', 'Y', 'Z'])

print(df2_nan)

#    A    B
# X  1  6.0
# Y  4  NaN
# Z  2  5.0

print(df2_nan.cummax())

#    A    B
# X  1  6.0
# Y  4  NaN
# Z  4  6.0

print(df2_nan.cummax(skipna=False))

#    A    B
# X  1  6.0
# Y  4  NaN
# Z  4  NaN

print(df2_nan.cummin())

#    A    B
# X  1  6.0
# Y  1  NaN
# Z  1  5.0

print(df2_nan.cummin(skipna=False))

#    A    B
# X  1  6.0
# Y  1  NaN
# Z  1  NaN