Pandas DataFrame DataFrame.min() 函数

  1. pandas.DataFrame.min() 语法
  2. 示例代码:DataFrame.min() 方法沿列轴寻找最小值
  3. 示例代码:DataFrame.min() 方法沿行轴寻找最小值
  4. 示例代码:DataFrame.min() 方法寻找最小值,忽略 NaN

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 floatintboolean
**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 XY 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 DataFrameX 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

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。

相关文章 - Pandas DataFrame

  • Pandas DataFrame DataFrame.groupby() 函数
  • Pandas DataFrame DataFrame.aggregate() 函数
  • comments powered by Disqus