Pandas DataFrame count, cov, cummax, cummin, cumprod 方法详解

487、pandas.DataFrame.cov 方法

语法

df.cov(min_periods=None, ddof=1, numeric_only=False)

参数

• min_periods (可选，默认值为 None)：整数。计算协方差时最小的观测值数量，有效观测值需大于或等于此值。
• ddof (可选，默认值为 1)：整数。自由度调整，样本协方差通常设为 1，设为 0 则计算总体协方差。
• numeric_only (可选，默认值为 False)：布尔值。如果为 True，仅考虑数值型列进行协方差计算。

功能

用于计算 DataFrame 中各列之间的协方差矩阵，帮助分析变量之间的关系。

返回值

返回一个协方差矩阵 (DataFrame)，行和列对应于 DataFrame 的列，矩阵中的值表示对应列之间的协方差。

说明

• N/A 处理：自动忽略缺失值 (NA) 的行。
• 数值型数据：仅计算数值型列之间的协方差。
• 自由度：ddof 参数允许控制协方差的计算方式。

用法

代码示例

import pandas as pd

data = {
    'A': [1, 2, 3, 4],
    'B': [4, 5, 6, 7],
    'C': [7, 8, 9, 10]
}
df = pd.DataFrame(data)

cov_matrix = df.cov()
print(cov_matrix)

结果输出

          A         B         C
A  1.666667  1.666667  1.666667
B  1.666667  1.666667  1.666667
C  1.666667  1.666667  1.666667

488、pandas.DataFrame.cummax 方法

语法

df.cummax(axis=None, skipna=True)

参数

• axis (可选，默认值为 None)：{0 or 'index', 1 or 'columns'}。0 表示按列计算，1 表示按行计算。
• skipna (可选，默认值为 True)：布尔值。是否忽略缺失值 (NaN)。True 忽略，False 可能导致后续结果为 NaN。

功能

计算 DataFrame 中每列或每行的累积最大值，返回与原 DataFrame 形状相同的新 DataFrame。

返回值

返回一个与原 DataFrame 形状相同的新 DataFrame，每个元素表示其前面所有元素的最大值。

说明

• 缺失值处理：skipna 为 True 时忽略 NaN。
• 适用于时间序列：有助于分析随时间推移的最大值变化。

用法

代码示例

import pandas as pd

data = {
    'A': [1, 2, 3, 4],
    'B': [4, 3, 2, 1],
    'C': [1, 5, 2, 3]
}
df = pd.DataFrame(data)

cummax_df = df.cummax()
print(cummax_df)

结果输出

   A  B  C
0  1  4  1
1  2  4  5
2  3  4  5
3  4  4  5

489、pandas.DataFrame.cummin 方法

语法

df.cummin(axis=None, skipna=True)

参数

• axis (可选，默认值为 None)：{0 or 'index', 1 or 'columns'}。0 表示按列计算，1 表示按行计算。
• skipna (可选，默认值为 True)：布尔值。是否忽略缺失值 (NaN)。

功能

计算 DataFrame 中每列或每行的累积最小值，返回与原 DataFrame 形状相同的新 DataFrame。

返回值

返回一个与原 DataFrame 形状相同的新 DataFrame，每个元素表示其前面所有元素的最小值。

说明

• 缺失值处理：skipna 为 True 时忽略 NaN。
• 适用于时间序列：有助于分析随时间推移的最小值变化。

用法

代码示例

import pandas as pd

data = {
    'A': [5, 3, 6, 2],
    'B': [1, 2, 4, 0],
    'C': [3, 7, 1, 5]
}
df = pd.DataFrame(data)

cummin_df = df.cummin()
print(cummin_df)

结果输出

   A  B  C
0  5  1  3
1  3  1  3
2  3  1  1
3  2  0  1

490、pandas.DataFrame.cumprod 方法

语法

df.cumprod(axis=None, skipna=True)

参数

• axis (可选，默认值为 None)：{0 or 'index', 1 or 'columns'}。0 表示按列计算，1 表示按行计算。
• skipna (可选，默认值为 True)：布尔值。是否忽略缺失值 (NaN)。

功能

计算 DataFrame 中每列或每行的累积乘积，返回与原 DataFrame 形状相同的新 DataFrame。

返回值

返回一个与原 DataFrame 形状相同的新 DataFrame，每个元素表示其前面所有元素的乘积。

说明

• 缺失值处理：skipna 为 True 时忽略 NaN。
• 适用于时间序列：有助于分析随时间推移的乘积变化。

用法

代码示例

import pandas as pd

data = {
    'A': [2, 3, 4],
    'B': [1, 2, 3],
    'C': [5, 6, 7]
}
df = pd.DataFrame(data)

cumprod_df = df.cumprod()
print(cumprod_df)

结果输出

    A   B    C
0   2   1    5
1   6   2   30
2  24   6  210