如何在CSV列的每一步求和值

如何解决如何在CSV列的每一步求和值

所以我使用此代码来获取 Google 趋势中搜索词的频率：

import pandas as pd
from pytrends.request import TrendReq
pytrend = TrendReq(hl='en-US',tz=360)
keywords = ['Python','R']
pytrend.build_payload(
     kw_list=keywords,cat=0,timeframe='today 3-m',geo='TW',gprop='')
data = pytrend.interest_over_time()
data= data.drop(labels=['isPartial'],axis='columns')
image = data.plot(title = 'Python V.S. R in last 3 months on Google Trends ')
fig = image.get_figure()
fig.savefig('figure.png')
data.to_csv('Py_VS_R.csv',encoding='utf_8_sig')

产生这样的表格，显示每天的频率：

            Python       R  
date
2017-10-23      3       1      
2017-10-24      1       2
2017-10-25      5       1      
2017-10-26      3       4      
2017-10-27      1       5      
2017-10-28      2       1

但我希望列的每个值相互求和，如下所示：

       Python       R  
date
2017-10-23      3       1      
2017-10-24      4       3
2017-10-25      9       4      
2017-10-26      12      8      
2017-10-27      13      13      
2017-10-28      15      14

这样列的最后一行值就是总数。 最好的方法是什么？我可以通过 Pytrends 实现这一目标吗？ 还是我需要写一个单独的代码？ 提前致谢！

解决方法

假设其余代码是正确的，您可以简单地通过使用熊猫的 cumsum() 方法作为 data.cumsum()

import pandas as pd
from pytrends.request import TrendReq
pytrend = TrendReq(hl='en-US',tz=360)
keywords = ['Python','R']
pytrend.build_payload(
     kw_list=keywords,cat=0,timeframe='today 3-m',geo='TW',gprop='')
data = pytrend.interest_over_time()
data= data.drop(labels=['isPartial'],axis='columns')
data = data.cumsum()
image = data.plot(title = 'Python V.S. R in last 3 months on Google Trends ')
fig = image.get_figure()
fig.savefig('figure.png')
data.to_csv('Py_VS_R.csv',encoding='utf_8_sig')