Python pandas DataFrame如何逐行累计求和并新增结果列

你需要的逐行累加当前行及之前行quantity值的需求，不需要手写循环，直接用pandas内置的累计求和方法cumsum()即可实现，自动适配任意行数，不需要硬编码判断阈值。

实现代码 #

# 基于你已有的DataFrame，直接追加累计和列
df['sum'] = df['quantity'].cumsum()

运行后输出的结果完全匹配你的预期：

id  index_num  quantity  sum
0  001          0        10   10
1  002          1        10   20
2  003          2        10   30
3  004          3        10   40
4  005          4        10   50

原代码问题说明 #

• 你写的循环中判断条件硬编码为<4，每次循环执行的都是df.loc[df['index_num'] < 4, 'quantity'].sum()，计算的是固定范围的总和，没有随当前遍历的行动态调整统计范围，所以无法得到逐行累计的效果
• 手写循环处理DataFrame效率远低于pandas内置的向量化运算，这类逐行统计的通用需求pandas都有对应内置方法，不需要自行实现循环逻辑

扩展场景 #

如果后续需要按指定字段分组后，在每个分组内部做累计求和，可以搭配groupby使用：

# 示例：按分类字段category分组，组内逐行累计quantity
df['group_cum_sum'] = df.groupby('category')['quantity'].cumsum()

内容的提问来源于stack exchange，提问作者Hannah