Pandas DataFrame DataFrame.min() 函数
Jinku Hu
2023年1月30日
Pandas
Pandas DataFrame
-
pandas.DataFrame.min()语法 -
示例代码：
DataFrame.min()方法沿列轴寻找最小值 -
示例代码：
DataFrame.min()方法沿行轴寻找最小值 -
示例代码：
DataFrame.min()方法寻找最小值，忽略NaN值
Python Pandas DataFrame.min() 函数获取 DataFrame 对象在指定轴上的最小值。
pandas.DataFrame.min() 语法
DataFrame.mean(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
参数
axis |
沿行(axis=0)或列(axis=1)求平均数 |
skipna |
布尔型。排除 NaN 值(skipna=True)或包含 NaN 值(skipna=False) |
level |
如果轴为 MultiIndex，则沿特定级别求最小值 |
numeric_only |
布尔型。对于 numeric_only=True，只包括 float、int 和 boolean 列 |
**kwargs |
函数的附加关键字参数 |
返回值
如果没有指定 level，则返回所要求的轴的最小值的 Series，否则返回最小值的 DataFrame。
示例代码：DataFrame.min() 方法沿列轴寻找最小值
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)
输出：
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 两列的最小值，最后返回一个包含每列最小值的 Series 对象。
在 Pandas 中，要找到 DataFrame 中某一列的最小值，我们只调用该列的 min() 函数。
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)
输出：
1DataFrame:
X Y
0 1 4
1 2 3
2 2 8
3 3 4
Min of Each Column:
1
它只给出 DataFrame 中 X 列的最小值。
示例代码：DataFrame.min() 方法沿行轴寻找最小值
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)
输出：
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
它计算所有行的最小值，最后返回一个包含每行平均值的 Series 对象。
示例代码：DataFrame.min() 方法寻找最小值，忽略 NaN 值
我们使用 skipna 参数的默认值，即 skipna=True 来寻找 DataFrame 沿指定轴的最小值，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)
输出：
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
如果我们设置 skipna=True，它将忽略 DataFrame 中的 NaN。它允许我们沿列轴计算 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)
输出：
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
这里，我们得到了 NaN 值作为列 X 的平均值，因为列 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
