Python Pandas DataFrame min方法用法及代碼示例

例子

考慮以下 DataFrame ：

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



   A  B
0  2  4
1  3  5

列最小值

要計算每列的最小值：

df.min()   # or axis=0



A    2
B    4
dtype: int64

逐行最小值

要計算每行的最小值，請設置 axis=1 ：

df.min(axis=1)



0    2
1    3
dtype: int64

指定skipna

考慮以下帶有缺失值的DataFrame：

df = pd.DataFrame({"A":[4,pd.np.nan]})
df



   A
0  4.0
1  NaN

默認情況下， skipna=True ，這意味著缺失值將被忽略：

df.min()   # skipna=True



A    4.0
dtype: float64

考慮缺失值：

df.min(skipna=False)



A   NaN
dtype: float64

請注意，包含缺失值的行/列的最小值將為 NaN 。

指定numeric_only

考慮以下 DataFrame ：

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



   A  B     C
0  4  2     "6"
1  5  True  False

此處， B 和 C 列都包含混合類型，但主要區別在於最小值是為 B 定義的，而不是為 C 定義的。計算最小值需要明確定義類型之間的比較運算符( < 和 > )。

回想一下，True 布爾值的內部表示是 1 ，因此定義了操作 2>True：

2 > True



True

另一方麵，"6">False 拋出錯誤：

"6" > False



TypeError: '>' not supported between instances of 'str' and 'bool'

None

默認情況下， numeric_only=None ，這意味著混合類型的行/列也會被考慮：

df.min(numeric_only=None)



A       4
B    True
dtype: object

在這裏，請注意如何計算列的最小值B，但不適合C。通過傳入None，無法計算最小值的行/列(由於未定義<和>類型之間)將被簡單地忽略不會引發錯誤.

False

通過設置 numeric_only=False ，將再次考慮混合類型的行/列，但當無法計算最小值時會拋出錯誤：

df.min(numeric_only=False)



TypeError: '<=' not supported between instances of 'str' and 'bool'

在這裏，我們最終得到一個錯誤，因為 C 列包含混合類型，其中 < 未定義。

True

通過設置 numeric_only=True ，僅考慮數字行/列：

df.min(numeric_only=True)



A    4
dtype: int64

請注意，B 和 C 列這次被忽略，因為它們包含非數字類型。