在本实验中，我们将学习如何在 pandas 库中使用 cummax() 方法。cummax() 方法用于计算 DataFrame 或 Series 轴上的累积最大值。它返回一个大小相同的 DataFrame 或 Series，其中包含累积最大值。
虚拟机启动完成后，点击左上角切换到 Notebook 选项卡以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，请随时向 Labby 寻求帮助。实验结束后提供反馈，我们将及时为你解决问题。
要使用 cummax() 方法，我们首先需要导入 pandas 库。可以通过运行以下代码来实现：
import pandas as pd接下来，我们需要创建一个 DataFrame，以便在其上应用 cummax() 方法。我们可以使用 pd.DataFrame() 函数并传入一个字典来创建 DataFrame。字典中的每个键代表一个列名，对应的值是一个包含列数据的列表。
df = pd.DataFrame({"A":[1, 2, 8, 4], "B":[9, 10, 7, 8], "C":[9, 10, 11, 12], "D":[13, 16, 15, 16]})现在，我们可以将 cummax() 方法应用到我们的 DataFrame 上。cummax() 方法接受三个可选参数：axis、skipna 以及额外的 args/kwargs。
axis 参数用于指定计算累积最大值的轴。默认情况下，它设置为 0 或 'index'，这意味着累积最大值将沿着索引轴计算。如果设置为 1 或 'columns'，则累积最大值将沿着列轴计算。
skipna 参数是一个布尔值，用于确定是否应从计算中排除 NA/null 值。如果设置为 True，则排除 NA/null 值；如果设置为 False，则包含 NA/null 值。
要应用 cummax() 方法，可以使用以下代码：
df_cummax = df.cummax(axis=0, skipna=True)最后，我们可以打印 cummax() 方法的结果，查看累积最大值。
print(df_cummax)在本实验中，我们学习了如何使用 pandas 库中的 cummax() 方法来计算 DataFrame 或 Series 轴上的累积最大值。我们了解了如何导入 pandas 库、创建 DataFrame、使用可选参数应用 cummax() 方法，以及打印结果。cummax() 方法对于分析趋势和查找数据集中随时间变化的最高值非常有用。它是数据分析和决策过程中的一个宝贵工具。
