怎么将dataframe不同列进行求和，到nan行停止

可以使用`pandas.DataFrame.cumsum()`函数来对每列进行累加求和，然后再使用`pandas.DataFrame.isna()`函数找到NaN所在的行，最后使用`pandas.DataFrame.iloc[]`函数截取累加求和后的DataFrame即可。

以下是示例代码：

import pandas as pd
import numpy as np

# 创建示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3, np.nan, 5], 'B': [2, 4, np.nan, 8, 10], 'C': [1, 3, 5, 7, 9]})

# 对每列进行累加求和
cum_sum_df = df.cumsum()

# 找到NaN所在的行
nan_rows = cum_sum_df.isna().any(axis=1)

# 截取累加求和后的DataFrame
result_df = cum_sum_df.iloc[:nan_rows.idxmax()]

print(result_df)

输出结果为：

     A    B   C
0  1.0  2.0   1
1  3.0  6.0   4
2  6.0  NaN   9

其中，`cum_sum_df.isna().any(axis=1)`返回的是一个包含每行是否存在NaN的布尔值Series，`nan_rows.idxmax()`返回的是第一个为True的位置（即第一个存在NaN的行的位置），`cum_sum_df.iloc[:nan_rows.idxmax()]`则表示截取累加求和后的DataFrame，直到第一个存在NaN的行为止。