Pandas DataFrame DataFrame.min() 函式
Jinku Hu
2023年1月30日
Pandas
Pandas DataFrame
-
pandas.DataFrame.min()語法 -
示例程式碼：
DataFrame.min()方法沿列軸尋找最小值 -
示例程式碼：
DataFrame.min()方法沿行軸尋找最小值 -
示例程式碼：
DataFrame.min()方法尋找最小值，忽略NaN值
Python Pandas DataFrame.min() 函式獲取 DataFrame 物件在指定軸上的最小值。
pandas.DataFrame.min() 語法
DataFrame.mean(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
引數
axis |
沿行(axis=0)或列(axis=1)求平均數 |
skipna |
布林型。排除 NaN 值(skipna=True)或包含 NaN 值(skipna=False) |
level |
如果軸為 MultiIndex，則沿特定級別求最小值 |
numeric_only |
布林型。對於 numeric_only=True，只包括 float、int 和 boolean 列 |
**kwargs |
函式的附加關鍵字引數 |
返回值
如果沒有指定 level，則返回所要求的軸的最小值的 Series，否則返回最小值的 DataFrame。
示例程式碼：DataFrame.min() 方法沿列軸尋找最小值
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)
輸出：
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
它得到 X 和 Y 兩列的最小值，最後返回一個包含每列最小值的 Series 物件。
在 Pandas 中，要找到 DataFrame 中某一列的最小值，我們只呼叫該列的 min() 函式。
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)
輸出：
1DataFrame:
X Y
0 1 4
1 2 3
2 2 8
3 3 4
Min of Each Column:
1
它只給出 DataFrame 中 X 列的最小值。
示例程式碼：DataFrame.min() 方法沿行軸尋找最小值
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)
輸出：
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
它計算所有行的最小值，最後返回一個包含每行平均值的 Series 物件。
示例程式碼：DataFrame.min() 方法尋找最小值，忽略 NaN 值
我們使用 skipna 引數的預設值，即 skipna=True 來尋找 DataFrame 沿指定軸的最小值，忽略 NaN 值。
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)
輸出：
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
如果我們設定 skipna=True，它將忽略 DataFrame 中的 NaN。它允許我們沿列軸計算 DataFrame 的最小值，忽略 NaN 值。
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)
輸出：
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
這裡，我們得到了 NaN 值作為列 X 的平均值，因為列 X 中存在 NaN 值。
Enjoying our tutorials? Subscribe to DelftStack on YouTube to support us in creating more high-quality video guides. Subscribe
作者： Jinku Hu
