pandas dataframe dataframe.min() 函数-ag捕鱼王app官网

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

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。