Funzione Pandas DataFrame DataFrame.min()

Jinku Hu 30 gennaio 2023
  1. Sintassi di pandas.DataFrame.min():
  2. Codici di esempio: Metodo DataFrame.min() per trovare il minimo lungo l’asse di colonna
  3. Codici di esempio: Metodo DataFrame.min() per trovare il minimo lungo l’asse di riga
  4. Codici di esempio: Metodo DataFrame.min() per trovare il valore minimo ignorando i valori NaN
Funzione Pandas DataFrame DataFrame.min()

La funzione Python Pandas DataFrame.min() ottiene il minimo dei valori dell’oggetto DataFrame sull’asse specificato.

Sintassi di pandas.DataFrame.min():

DataFrame.mean(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)

Parametri

axis trova la media lungo la riga (axis = 0) o la colonna (axis = 1)
skipna Booleano. Escludi i valori NaN (skipna=True) o includi i valori NaN (skipna=False)
level Conta insieme a un livello particolare se l’asse è MultiIndex
numeric_only Booleano. Per numeric_only=True, includi solo le colonne float, int e boolean
**kwargs Argomenti di parole chiave aggiuntivi per la funzione.

Ritorno

Se il livello non è specificato, restituisce Series del minimo dei valori per l’asse richiesto, altrimenti restituisce DataFrame dei valori minimi.

Codici di esempio: Metodo DataFrame.min() per trovare il minimo lungo l’asse di colonna

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 2, 3],
                   'Y': [4, 3, 8, 4]})
print("DataFrame:")
print(df)

mins = df.min()

print("Min of Each Column:")
print(mins)

Produzione:

DataFrame:
   X  Y
0  1  4
1  2  3
2  2  8
3  3  4
Min of Each Column:
X    1
Y    3
dtype: int64

Ottiene il valore minimo per entrambe le colonne X e Y e infine restituisce un oggetto Series con il minimo di ciascuna colonna.

Per trovare il minimo di una particolare colonna di DataFrame in Pandas, chiamiamo la funzione min() solo per quella colonna.

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 2, 3],
                   'Y': [4, 3, 8, 4]})
print("DataFrame:")
print(df)

mins = df["X"].min()

print("Min of Each Column:")
print(mins)

Produzione:

1DataFrame:
   X  Y
0  1  4
1  2  3
2  2  8
3  3  4
Min of Each Column:
1

Fornisce solo il minimo dei valori della colonna X nel DataFrame.

Codici di esempio: Metodo DataFrame.min() per trovare il minimo lungo l’asse di riga

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 7, 5, 10],
                   'Y': [4, 3, 8, 2, 9],
                   'Z': [2, 7, 6, 10, 5]})
print("DataFrame:")
print(df)

mins=df.min(axis=1)

print("Min of Each Row:")
print(mins)

Produzione:

DataFrame:
    X  Y   Z
0   1  4   2
1   2  3   7
2   7  8   6
3   5  2  10
4  10  9   5
Min of Each Row:
0    1
1    2
2    6
3    2
4    5
dtype: int64

Calcola il minimo per tutte le righe e infine restituisce un oggetto Series con la media di ogni riga.

Codici di esempio: Metodo DataFrame.min() per trovare il valore minimo ignorando i valori NaN

Usiamo il valore predefinito del parametro skipna cioè skipna=True per trovare il minimo di DataFrame lungo l’asse specificato ignorando i valori NaN.

import pandas as pd

df = pd.DataFrame({'X': [1, 2, None, 3],
                   'Y': [4, 3, 7, 4]})
print("DataFrame:")
print(df)

mins=df.min(skipna=True)
print("Min of Columns")
print(mins)

Produzione:

DataFrame:
     X    Y
0  1.0  4.0
1  2.0  3.0
2  NaN  7.0
3  3.0  4.0
Min of Columns
X    1.0
Y    3.0
dtype: float64

Se impostiamo skipna=True, ignora il NaN nel dataframe. Ci permette di calcolare il minimo di DataFrame lungo l’asse della colonna ignorando i valori di NaN.

import pandas as pd

df = pd.DataFrame({'X': [1, 2, None, 3],
                   'Y': [4, 3, 7, 4]})
print("DataFrame:")
print(df)

mins=df.min(skipna=False)
print("Min of Columns")
print(mins)

Produzione:

DataFrame:
     X  Y
0  1.0  4
1  2.0  3
2  NaN  7
3  3.0  4
Min of Columns
X    NaN
Y    3.0
dtype: float64

Qui, otteniamo il valore NaN per la media della colonna X poiché la colonna X ha il valore NaN presente in essa.

Autore: Jinku Hu
Jinku Hu avatar Jinku Hu avatar

Founder of DelftStack.com. Jinku has worked in the robotics and automotive industries for over 8 years. He sharpened his coding skills when he needed to do the automatic testing, data collection from remote servers and report creation from the endurance test. He is from an electrical/electronics engineering background but has expanded his interest to embedded electronics, embedded programming and front-/back-end programming.

LinkedIn Facebook

Articolo correlato - Pandas DataFrame