一阶差分如何还原

import pandas as pd
import numpy as np
arr = np.arange(10)
np.random.shuffle(arr)
arr = pd.Series(arr)
print('arr:')
print(arr)
d1 = arr.diff()
print('d1')
print(d1)
d1_cumsum = d1.cumsum()
# 如何 根据d1 求arr
print('d1_cumsum')
print(d1_cumsum)

#print(arr.iloc[-1])  # iloc根据索引
d1_r = arr.iloc[0] + d1_cumsum  # 感觉这个nan不会消失 但是大致的原理明白了
print('d1_r')
print(d1_r)

arr:
0    3
1    5
2    6
3    0
4    7
5    8
6    9
7    2
8    4
9    1
dtype: int32

d1_r
0    NaN
1    5.0
2    6.0
3    0.0
4    7.0
5    8.0
6    9.0
7    2.0
8    4.0
9    1.0
dtype: float64

简单的来说 就是

原始数据arr : a1,a2,a3,a4...

一阶差分后的d1： nan,a2-a1,a3-a2,a4-a3 ...

而经过cumsum函数d1_cumsum: nan,a2-a1,a3-a1,a4-a1...

d1_cumsum+a1得到d1_r ：a1,a2,a3,a4

但是我最后得到的d1_r第一个为nan，其他倒是一样，一阶差分还原为原始数据的原理是这样，最后得到的nan还不知道怎么解决，如上。