如何从含NaN值的Pandas累计求和列还原原始列？

可以还原，核心思路是利用累计求和的逆运算——计算当前行与前一行CumSum的差值，再结合边界值和NaN的特殊处理即可。针对你给出的示例，具体实现如下：

实现代码 #

import pandas as pd
import numpy as np

# 模拟你的CumSum列数据
df = pd.DataFrame({'CumSum': [1, 1, 1, 2, 2, 7, 7, np.NaN, np.NaN, 11, 11, 11]})

# 1. 计算相邻行差值，第一行直接取CumSum的初始值
df['Restored'] = df['CumSum'].diff().fillna(df['CumSum'].iloc[0])

# 2. 还原NaN：CumSum为NaN的位置，原始值也为NaN
df.loc[df['CumSum'].isna(), 'Restored'] = np.nan

# 3. 处理差值为0的情况：对应原始列的0（因为原始值为0时CumSum不会变化）
df.loc[(df['Restored'] == 0) & df['CumSum'].notna(), 'Restored'] = 0

# 查看结果
print(df)

结果说明 #

运行后得到的Restored列与你提供的Original列完全一致：

CumSum  Restored
0      1.0       1.0
1      1.0       0.0
2      1.0       0.0
3      2.0       1.0
4      2.0       0.0
5      7.0       5.0
6      7.0       0.0
7      NaN       NaN
8      NaN       NaN
9     11.0       4.0
10    11.0       0.0
11    11.0       0.0

注意事项 #

• 确保你的CumSum列是严格通过原始列的cumsum()生成的，没有额外修改，否则还原结果会出错；
• 若CumSum开头就是NaN，还原的第一个值也为NaN，后续差值会自动基于第一个非NaN的CumSum值计算；
• 原始列的NaN会导致CumSum持续保持NaN，还原时需保留这些NaN位置。

内容的提问来源于stack exchange，提问作者nmp