Pandas中无需循环高效计算列逐行累计值的实现方案

你要实现的逐行累计求和逻辑，完全不需要手写循环，调用pandas内置的向量化方法即可，在数千行乃至百万行规模的数据集上，运行速度会比iterrows()循环快100~1000倍。
核心实现仅需一行代码：

hh['z'] = hh['D'].cumsum()

逻辑匹配说明 #

cumsum()的运算规则和你现有循环的计算逻辑、递推公式完全对齐：

• 你之前的循环从初始值x=0开始累加，第一行的z值直接取当前行D列的原始值
• 从第二行开始，每行的z值等于上一行的累计值加上当前行D列的数值，完全对应你写的Z2 = z1 + D2、Z3 = z2 + D3的递推规则

和旧代码的输出格式对齐 #

你原来的循环因为逐行做加法赋值，最终生成的z列是浮点类型，如果需要完全匹配旧代码的输出格式，只需要补充类型转换即可：

hh['z'] = hh['D'].cumsum().astype(float)

运行后得到的结果和你贴的循环执行输出完全一致：

A  B  C  D     z
0  7  8  7  9   9.0
1  3  8  7  7  16.0
2  0  4  4  3  19.0
3  7  5  8  3  22.0
4  2  1  6  1  23.0
5  2  0  2  7  30.0
6  5  4  2  7  37.0
7  3  4  0  7  44.0
8  1  3  9  2  46.0
9  9  9  0  8  54.0

原循环性能差的原因 #

iterrows()方法在运行时会逐行生成独立的Series对象，配合at方法逐行赋值的操作会产生大量Python解释层的开销，完全没有用到pandas底层优化过的C级向量化运算，因此在数千行规模的数据集上就会出现明显的运行延迟。

可选扩展能力 #

• 自定义累计初始值：如果需要从非0的固定值开始累加，只需要在累计结果上加上对应值即可，比如初始值为100的场景：

hh['z'] = 100 + hh['D'].cumsum()

• 缺失值适配：如果D列存在空值，可以通过skipna参数控制累计逻辑：
  • 默认skipna=True：计算时自动跳过缺失值，仅累加非空的D列值
  • 传入skipna=False：遇到缺失值时，后续所有行的累计值会变为NaN，实现累计中断的效果

内容的提问来源于stack exchange，提问作者Grantx