如何用最快方式计算Pandas DataFrame的累积内积？

原始DataFrame #

需求 #

计算前i行（i从1到DataFrame总行数）A、B列对应元素乘积的累积和：

• i=1时，结果为 2*6=12
• i=2时，结果为 2*6+5*5=37
• i=3时，结果为 2*6+5*5+7*5=72
• 以此类推，得到每一步的累积结果

最优实现方案 #

放弃Python循环，使用Pandas内置的向量化操作，这是效率最高的方式——尤其是处理大数据集时，性能远优于逐行循环。

代码实现 #

import pandas as pd

# 构造目标DataFrame
df = pd.DataFrame({
    'A': [2, 5, 7, 8, 6],
    'B': [6, 5, 5, 2, 11]
})

# 1. 向量化计算每行A与B的乘积
product_col = df['A'] * df['B']
# 2. 调用内置方法计算累积和
cumulative_sum = product_col.cumsum()

# 若需要将结果存入原DataFrame
df['cumulative_sumproduct'] = cumulative_sum

# 输出结果
print(df)

运行结果 #

关键说明 #

• df['A'] * df['B']：一次性完成所有行的乘积计算，无需循环遍历，属于向量化运算
• cumsum()：Pandas底层用C实现的累积求和方法，比Python原生循环快几个数量级

如果只需要得到累积和的列表，无需修改原DataFrame，可直接：

cumulative_sum_list = (df['A'] * df['B']).cumsum().tolist()
# 结果：[12, 37, 72, 88, 154]

内容的提问来源于stack exchange，提问作者TourEiffel