Pandas.DataFrame.cumprod() 累积乘积详解含代码含测试数据集随Pandas版本持续更新

关于Pandas版本： 本文基于 pandas2.2.0 编写。

关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。

传送门： Pandas API参考目录

传送门： Pandas 版本更新及新特性

传送门： Pandas 由浅入深系列教程

本节目录

Pandas.DataFrame.cumprod()
- 计算公式：
- 语法：
- 返回值：
- 参数说明：
- - axis 指定计算方向（行或列）
  - skipna 忽略缺失值
  - *args,**kwargs
- 相关方法：
- 示例：
- - 例1：如果是 `Series` 始终保持 `axis=0`，即 `Series` 所有元素的累积乘积。
  - 例2、计算每列累积乘积
  - 例3、计算每行累积乘积
  - 例4、默认会跳过缺失值，以缺失值上面的最近有效值，进行后面的计算
  - 例5、如果不忽略缺失值，后面所有的结果，将都是缺失值。

Pandas.DataFrame.cumprod()

Pandas.DataFrame.cumprod 方法用于返回行或列每一个元素与前面所有元素的累积乘积。

计算公式：

累积乘积计算公式：

$m_i = \min(x_1, x_2, \ldots, x_i)$

$m_i$ 表示当前位置的累积乘积， $\min(x_1, x_2, \ldots, x_i)$ 表示从起始位置到当前位置的所有元素的乘积。

语法：

DataFrame.cumprod(axis=None, skipna=True, *args, **kwargs)

返回值：

Series or DataFrame

参数说明：

axis 指定计算方向（行或列）

axis : {0 or ‘index’, 1 or ‘columns’}, default 0

axis 参数，用于指定计算方向，即按行计算或按列计算累积乘积：
- 如果是 Series 此参数无效，将始终保持 axis=0，即计算整列的累积乘积。^例1
- 如果是 DataFrame 默认为 axis=0 即计算每一列的累积乘积。并有以下参值可选:
  - 0 or ‘index’: 计算每列的累积乘积。 ^例2
  - 1 or ‘columns’： 计算每行的累积乘积。^例3

skipna 忽略缺失值

skipna : bool, default True >

skipna 参数，用于指定求累积乘积的时候是否忽略缺失值,默认 skipna=True 表示忽略缺失值：
- True： 忽略缺失值。当遇到缺失值，会跳过缺失值，以缺失值上面的最近有效值继续后面的计算。 ^例4
- False: 不忽略缺失。但是后面的所有结果将都是缺失值。^例5

*args,**kwargs

为了保持与 Numpy 的兼容性而保留的参数，一般不需要传递任何内容。

示例：

测试文件下载：

本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。

若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。

测试文件下载位置.png

测试文件下载位置

例1：如果是 `Series` 始终保持 `axis=0`，即 `Series` 所有元素的累积乘积。

import numpy as np
import pandas as pd

s = pd.Series([24.0, np.nan, 21.0, 33, 26], name="age")
s.cumprod()

0        24.0
1         NaN
2       504.0
3     16632.0
4    432432.0
Name: age, dtype: float64

例2、计算每列累积乘积

import numpy as np
import pandas as pd

df = pd.DataFrame([[2.0, 1.0], [3.0, np.nan], [1.0, 0.0]], columns=list("AB"))

df.cumprod()

	A	B
0	2.0	1.0
1	6.0	NaN
2	6.0	0.0

例3、计算每行累积乘积

import numpy as np
import pandas as pd

df = pd.DataFrame(
    [[2.0, 1.0, 3.0], [3.0, np.nan, 5.0], [1.0, 1.0, 1.0], [1.0, 0.0, 2.0]],
    columns=list("ABC"),
)

df.cumprod(axis=1)

	A	B	C
0	2.0	2.0	6.0
1	3.0	NaN	15.0
2	1.0	1.0	1.0
3	1.0	0.0	0.0

例4、默认会跳过缺失值，以缺失值上面的最近有效值，进行后面的计算

import numpy as np
import pandas as pd

df = pd.DataFrame(
    [[2.0, 1.0], [3.0, np.nan], [1.0, 1.0], [1.0, 0.0]], columns=list("AB")
)

df.cumprod()

	A	B
0	2.0	1.0
1	6.0	NaN
2	6.0	1.0
3	6.0	0.0

例5、如果不忽略缺失值，后面所有的结果，将都是缺失值。

import numpy as np
import pandas as pd

df = pd.DataFrame(
    [[2.0, 1.0], [3.0, np.nan], [1.0, 1.0], [1.0, 0.0]], columns=list("AB")
)

df.cumprod(skipna=False)