我有股票数据集，例如
**Date Open High ... Close Adj Close Volume**
0 2014-09-17 465.864014 468.174011 ... 457.334015 457.334015 21056800
1 2014-09-18 456.859985 456.859985 ... 424.440002 424.440002 34483200
2 2014-09-19 424.102997 427.834991 ... 394.795990 394.795990 37919700
3 2014-09-20 394.673004 423.295990 ... 408.903992 408.903992 36863600
4 2014-09-21 408.084991 412.425995 ... 398.821014 398.821014 26580100
我需要对 Open,High,Close,Adj Close, Volume 列进行累计求和
我尝试了这个 df.cumsum() ，它显示了错误时间戳错误。
最佳答案
我认为处理贸易数据最好创建DatetimeIndex:
#if necessary
#df['Date'] = pd.to_datetime(df['Date'])
df = df.set_index('Date')
然后，如果需要，所有列的累积总和:
df = df.cumsum()
如果只想对某些列进行累积和:
cols = ['Open','High','Close','Adj Close','Volume']
df[cols] = df.cumsum()
关于python-3.x - cumalativive 所有其他列都需要 python ML 中带有 cumsum() 的日期列，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59316929/