如何在Python DataFrame中对value列执行迭代累加求和操作

嘿，我刚好碰到过类似的需求，给你分享几个简单高效的实现方法！

首先先明确下我们的初始数据：

我们要新增一个sum列，每行的sum值是当前行以及之后所有行的value之和，最终得到目标结果：

方法一：用cumsum()结合序列反转 #

这是最简洁的实现方式，核心思路是把value列倒过来做正向累加，再把结果倒回去，就刚好得到我们需要的反向累加和：

import pandas as pd

# 创建初始DataFrame
df = pd.DataFrame({
    't': [5, 4, 3, 2, 1],
    'value': [10, 0, 2, 0, 1]
})

# 生成sum列：反转value→累加→再反转回来
df['sum'] = df['value'][::-1].cumsum()[::-1]

执行完这段代码后，打印df就能得到目标结果啦！

方法二：用expanding().sum()实现 #

和上面的思路完全一致，只是换用expanding()来做累加（对于一维序列来说，expanding().sum()和cumsum()的效果是完全相同的）：

df['sum'] = df['value'].iloc[::-1].expanding().sum().iloc[::-1]

补充说明：如果t列不是倒序的情况 #

如果你的原始数据t列不是从大到小排列的，建议先按t降序排序，做完累加后再恢复原顺序（如果需要的话）：

# 先按t降序排序，保留原索引
df_sorted = df.sort_values('t', ascending=False).copy()
# 生成sum列
df_sorted['sum'] = df_sorted['value'][::-1].cumsum()[::-1]
# 恢复原顺序
df = df_sorted.sort_index()

这样不管原始数据的顺序如何，都能准确计算每行及后续行的累加和~

内容的提问来源于stack exchange，提问作者Pablo