Pandas2.2 DataFrame

Computations descriptive stats

方法	描述
DataFrame.abs()	用于返回 DataFrame 中每個元素的絕對值
DataFrame.all([axis, bool_only, skipna])	用于判斷 DataFrame 中是否所有元素在指定軸上都為 True
DataFrame.any(*[, axis, bool_only, skipna])	用于判斷 DataFrame 中是否至少有一個元素在指定軸上為 True
DataFrame.clip([lower, upper, axis, inplace])	用于截斷（限制）DataFrame 中的數值
DataFrame.corr([method, min_periods, …])	用于計算 DataFrame 中各列之間的相關系數矩陣（Correlation Matrix）
DataFrame.corrwith(other[, axis, drop, …])	用于計算當前 DataFrame 的每一列（或行）與另一個 Series 或 DataFrame 中對應列的相關系數
DataFrame.count([axis, numeric_only])	用于統計 DataFrame 中每列或每行的非空（非 NaN）元素數量
DataFrame.cov([min_periods, ddof, numeric_only])	用于計算 DataFrame 中每對列之間的協方差
DataFrame.cummax([axis, skipna])	用于計算 DataFrame 中每列或每行的累計最大值（cumulative maximum）
DataFrame.cummin([axis, skipna])	用于計算 DataFrame 中每列或每行的累計最小值（cumulative minimum）
DataFrame.cumprod([axis, skipna])	用于計算 DataFrame 中每列或每行的累計乘積（cumulative product）

pandas.DataFrame.cumprod()

pandas.DataFrame.cumprod() 方法用于計算 DataFrame 中每列或每行的累計乘積（cumulative product）。該方法返回一個與原 DataFrame 形狀相同的對象，每個位置上的值是到該位置為止所有元素的乘積。

---

參數說明：

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

   • 指定計算方向：
     • 0 或 'index'：按列計算（對每一列從上往下累計）
     • 1 或 'columns'：按行計算（對每一行從左往右累計）

2. skipna：bool, default True

   • 如果為 True，則忽略 NaN 值；
   • 如果為 False，遇到 NaN 則結果也為 NaN。

---

示例代碼 1：默認參數（按列累計乘積）

import pandas as pddf = pd.DataFrame({'A': [1, 2, 3, 4],'B': [10, 20, 30, 40]
})result = df.cumprod()
print(result)

輸出結果：

    A      B
0   1     10
1   2    200
2   6   6000
3  24  240000

---

示例代碼 2：按行累計乘積（axis=1）

result = df.cumprod(axis=1)
print(result)

輸出結果：

    A     B
0   1    10
1   2    40
2   3    90
3   4   160

---

示例代碼 3：包含 NaN 值時 skipna=False 的影響

import numpy as npdf_with_nan = pd.DataFrame({'A': [1, 2, None, 4],'B': [None, 2, 3, 4]
})result = df_with_nan.cumprod(skipna=False)
print(result)

輸出結果：

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

---

總結：

• cumprod() 適用于需要追蹤序列中數值累積效果的場景，如復利計算、連續增長倍數等。
• 注意數據類型溢出問題，大數據量相乘可能導致整型/浮點型溢出（inf）。