Python 使用上一个值的输出按顺序应用函数

我想计算一个级数的“结转”。这将为每一行计算一个值，然后将其添加到先前计算的值（上一行）

我如何在熊猫身上做到这一点

decay = 0.5
test = pd.DataFrame(np.random.randint(1,10,12),columns = ['val'])
test
    val
0   4
1   5
2   7
3   9
4   1
5   1
6   8
7   7
8   3
9   9
10  7
11  2

decayed = []
for i, v in test.iterrows():
    if i ==0:
        decayed.append(v.val)
        continue
    d = decayed[i-1] + v.val*decay
    decayed.append(d)

test['loop_decay'] = decayed
test.head()

    val loop_decay
0   4   4.0
1   5   6.5
2   7   10.0
3   9   14.5
4   1   15.0

---

您可以利用

pd.Series.shift（）

创建带有val[i]和val[i-1]的数据帧，然后跨单个轴应用函数（本例中为1）：

---

您可以利用

pd.Series.shift（）

创建带有val[i]和val[i-1]的数据帧，然后跨单个轴应用函数（本例中为1）：

---

考虑使用

cumsum（）

但是，由于
cumsum（）
包括它，因此需要减去第一个（val*decay）：

test['loop_decay'] = (test.ix[0,'val']) + (test['val']*decay).cumsum() - (test.ix[0,'val']*decay)

考虑使用
cumsum（）

但是，由于
cumsum（）
包括它，因此需要减去第一个（val*decay）：

test['loop_decay'] = (test.ix[0,'val']) + (test['val']*decay).cumsum() - (test.ix[0,'val']*decay)

虽然这段代码可能会回答这个问题，但提供关于这段代码为什么和/或如何回答这个问题的附加上下文可以提高它的长期价值。最后开始测试它-看起来这不起作用。val2需要在每次迭代时更新。这不仅仅是前一个val，它是经过转换的前一个val。抱歉，我误解了问题，@Parfait有正确的答案，而此代码可能会回答问题，提供关于此代码为什么和/或如何回答此问题的附加上下文可以提高其长期价值。最终开始测试它-看起来这不起作用。val2需要在每次迭代时更新。这不仅仅是前一个val，它是经过改造的前一个val。抱歉，我误解了这个问题，@Parfait有正确的答案，终于开始测试了，这一个确实有效-非常酷。我想pandas可能会使用一个类似于
rolling（）
的
cumulative（）
子类，这样你就可以累积应用函数了。最后，我开始测试了，这个确实有效——非常酷。我想pandas可以使用类似于
rolling（）
的
cumulative（）
子类，这样就可以累积应用函数。