Python Pandas DataFrame cummin方法用法及代码示例

例子

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,2,4],"B":[7,6,2],"C":[3,5,6]})
df



   A  B  C
0  3  7  3
1  2  6  5
2  4  2  6

每列的累计最小值

要计算每列的累积最小值：

df.cummin()



   A  B  C
0  3  7  3
1  2  6  3
2  2  2  3

每行累计最小值

要计算每行的累积最小值：

df.cummin(axis=1)



   A  B  C
0  3  3  3
1  2  2  2
2  4  2  2

处理缺失值

考虑以下带有缺失值的DataFrame：

df = pd.DataFrame({"A":[3,pd.np.nan,5]})
df



   A
0  3.0
1  NaN
2  5.0

默认情况下， skipna=True ，这意味着忽略缺失值：

df.cummin()   # skipna=True



   A
0  3.0
1  NaN
2  3.0

考虑缺失值：

df.cummin(skipna=False)



   A
0  3.0
1  NaN
2  NaN

在这里，请注意我们如何在第一个 NaN 之后得到 NaN 。