如果不能使用cumsum，一种方法是引入一个新列或索引，然后应用一个lambda函数，该函数使用新列值小于当前行值的所有行。

import pandas as pd

df = pd.DataFrame({'x': range(20, 30), 'y': range(40, 50)}).set_index('x')

df['Id'] = range(0, len(df.index))
df['Sum'] = df.apply(lambda x: df[df['Id']<=x['Id']]['y'].sum(), axis=1)
print(df)

由于没有样本数据，我使用一个假设的 Dataframe ，其中至少有一列是数字数据，没有NaN值。我将像下面这样开始计算累积和平均值。
累计和：
df['cum_sum'] = df['existing_col'].cumsum()
累积平均值：
df['cum_avg'] = df['existing_col'].cumsum() / df['index_col']
或
df['cum_avg'] = df['existing_col'].expanding().mean()
如果你能提供一个示例数据框，你可以得到更好的帮助，我相信是这样的。