如何实现DataFrame列的非负累积和？遇报错及结果异常求助

需求说明 #

需要计算df["Size"]列的累积总和，要求所有结果不得低于0，预期输出如下：

Cumulative
0        11
1        29
2        16
3        12
4         0 
5        30

现有方法的问题分析 #

方法1：lambda结合apply #

代码：

df.Size = df.Size.astype(int)
df["Cumulative"] = df.Size.apply(lambda x: x.cumsum() if x.cumsum() > 0 else 0)
print(df)

报错：

AttributeError: 'int' object has no attribute 'cumsum'

错误原因：apply会将Size列的每个单独元素传入lambda，而cumsum()是Pandas Series的方法，单个int/float对象没有这个属性，因此触发报错。

方法2：直接使用cumsum #

代码：

df.Size = df.Size.astype(int)
df["Cumulative"] = df.Size.cumsum()

结果出现负值：

Cumulative
0         11
1         29
2         16
3         12
4        -14
5         16

问题：普通cumsum()仅做累加计算，没有添加非负限制逻辑，导致结果出现负值。

正确实现方法 #

方法1：使用itertools.accumulate（推荐，效率高） #

利用itertools.accumulate逐个维护累加状态，每次取累加结果与0的最大值，确保非负：

import pandas as pd
from itertools import accumulate

# 示例数据（根据预期输出反推）
df = pd.DataFrame({"Size": [11, 18, -13, -4, -12, 30]})
df["Size"] = df["Size"].astype(int)

# 计算非负累积和
df["Cumulative"] = list(accumulate(df["Size"], lambda acc, current: max(acc + current, 0)))
print(df)

输出结果：

Size  Cumulative
0    11          11
1    18          29
2   -13          16
3    -4          12
4   -12           0
5    30          30

方法2：使用Pandas expanding().apply #

通过expanding窗口逐行计算累加和，并限制最小值为0：

df["Cumulative"] = df["Size"].expanding().apply(lambda s: max(s.sum(), 0), raw=True)

raw=True参数可以提升处理效率，避免将数据转换为Series对象。

内容的提问来源于stack exchange，提问作者meowfinance