在Pandas中，如果想要基于特定日期（如第一天）累积数据，比如 trade_date 列，code列的 net_mf_amount 数据，你可以使用 cumsum() 函数来逐日累加。

在Pandas中，如果你想对DataFrame `df` 中某一列（例如`trade_date`和`code`对应的`net_mf_amount`）按特定日期（如`first_day`）开始进行累积，你需要做以下几步操作：

1. **筛选数据**：首先筛选出 `first_day` 对应 `code` 的数据，获取初始值：

   initial_values = df[(df['trade_date'] == first_day) & (df['code'] == code)]['net_mf_amount']

2. **初始化累加系列**：创建一个新的`pd.Series`，以第一个值作为起始累积值，日期为索引：

   initial_series = pd.Series(initial_values.iloc[0], index=[first_day])

3. **累积**：然后使用`cumsum()`函数沿着日期顺序逐天累加这个系列：

   cumulative_series = initial_series.cumsum()

4. **合并到原DataFrame**：最后，如果你需要在原DataFrame中添加这个累积列，可以用`assign()`方法添加一个新的DataFrame，或者直接通过`loc`定位到需要累加的日期范围：

   if not updating_original:
       df_new = df.copy()
   else:
       df_new = df
   df_new = df_new.assign(cumulative_net_mf_amount=cumulative_series)
   df_new.loc[df_new['trade_date'] > first_day, 'cumulative_net_mf_amount'] = df_new.loc[df_new['trade_date'] > first_day, 'cumulative_net_mf_amount'].fillna(0).cumsum()

以上就是在Pandas中基于特定日期累积数据的基本步骤。注意，`updating_original` 参数决定了是否是在原DataFrame上做累积还是创建新的DataFrame。