如何用NumPy/Pandas计算列的反向累积求和（行至末尾累积和）

现有如下5行2列的矩阵数据：

Volume  Weight
1   6
2   7
3   8
4   9
5   10

需求：

• 针对Weight列的每一行，计算从该行到最后一行的求和值；
• 生成包含累积求和列的结果，如下所示：

Volume  Weight  Cumulative Weight
1   6   40
2   7   34
3   8   27
4   9   19
5   10  10

已知可通过for循环实现，请问是否有更简便的NumPy/Pandas方法解决该问题？

当然有更高效的方法，不用手动写循环，直接用库自带的函数就能快速实现：

Pandas 实现 #

Pandas可以通过cumsum()结合数组反转来实现反向累积求和：

import pandas as pd

# 构造原始数据
data = {
    'Volume': [1, 2, 3, 4, 5],
    'Weight': [6, 7, 8, 9, 10]
}
df = pd.DataFrame(data)

# 计算从当前行到最后一行的累加值
df['Cumulative Weight'] = df['Weight'][::-1].cumsum()[::-1]

print(df)

原理很简单：先把Weight列反转，做正向累积求和，再将结果反转回来，就得到了每一行到末尾的累加值。

NumPy 实现 #

用NumPy的cumsum()也能实现相同逻辑，步骤类似：

import numpy as np

# 构造原始数组
arr = np.array([
    [1, 6],
    [2, 7],
    [3, 8],
    [4, 9],
    [5, 10]
])

# 提取Weight列，计算反向累积求和后合并为新数组
cumulative_weight = np.cumsum(arr[:, 1][::-1])[::-1]
result = np.column_stack((arr, cumulative_weight))

print(result)

先提取数组的第二列（Weight），反转后做累积求和，再反转回原顺序，最后用column_stack把原数组和新计算的列合并。

内容的提问来源于stack exchange，提问作者pg daszzz