Pandas DataFrame DataFrame.min() Função

Jinku Hu 30 janeiro 2023
  1. Sintaxe de pandas.DataFrame.min():
  2. Códigos de exemplo: DataFrame.min() Método para encontrar o mínimo ao longo do eixo da coluna
  3. Códigos de exemplo: DataFrame.min() Método para encontrar o min ao longo do eixo da linha
  4. Códigos de exemplo: DataFrame.min() Método para encontrar os valores mínimos ignorando valores NaN
Pandas DataFrame DataFrame.min() Função

A função Python Pandas DataFrame.min() obtém o valor mínimo do objeto DataFrame sobre o eixo especificado.

Sintaxe de pandas.DataFrame.min():

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

Parâmetros

axis encontrar média ao longo da linha (axis=0) ou coluna (axis=1)
skipna Booleano. Excluir valores NaN (skipna=True) ou incluir valores NaN (skipna=False)
level Conte junto com um nível particular se o eixo for MultiIndex.
numeric_only Booleano. Para colunas numeric_only=True, incluir apenas colunas float, int, e boolean.
**kwargs Argumentos adicionais de palavras-chave para a função.

Retornar

Se o level não for especificado, retornar Series do mínimo dos valores para o eixo solicitado, caso contrário, retornar DataFrame dos valores mínimos.

Códigos de exemplo: DataFrame.min() Método para encontrar o mínimo ao longo do eixo da coluna

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)

Resultado:

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

Recebe o valor mínimo para ambas as colunas X e Y e finalmente retorna um objeto Series com o valor mínimo de cada coluna.

Para encontrar o min de uma coluna específica de DataFrame em Pandas, chamamos a função min() somente para aquela coluna.

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)

Resultado:

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

Ela dá apenas o min dos valores da coluna X no DataFrame.

Códigos de exemplo: DataFrame.min() Método para encontrar o min ao longo do eixo da linha

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)

Resultado:

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

Calcula o mínimo para todas as linhas e finalmente retorna um objeto Series com a média de cada linha.

Códigos de exemplo: DataFrame.min() Método para encontrar os valores mínimos ignorando valores NaN

Utilizamos o valor padrão do parâmetro skipna, ou seja, skipna=True para encontrar o mínimo de DataFrame ao longo do eixo especificado, ignorando os valores 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)

Resultado:

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 definirmos skipna=True, ele ignora o NaN no dataframe. Isso nos permite calcular o min de DataFrame ao longo do eixo da coluna, ignorando os valores 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)

Resultado:

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

Aqui, obtemos o valor NaN para a média da coluna X, pois a coluna X tem o valor NaN presente nela.

Autor: 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

Artigo relacionado - Pandas DataFrame