【Pandas】pandas Series argmin
Pandas2.2 SeriesComputations descriptive stats
方法形貌Series.argsort()用于返回 Series 中元素排序后的索引位置的方法Series.argmin()用于返回 Series 中最小值索引位置的方法 pandas.Series.argmin
pandas.Series.argmin 是 Pandas 库中用于返回 Series 中最小值索引位置的方法。它会扫描整个 Series 并返回最小值对应的索引。
参数阐明
[*] axis：{0 或 ‘index’}
默认为 0，表示沿索引方向操纵。对于 Series 来说，这个参数通常不需要设置。
[*] skipna：布尔值，默认为 True
如果为 True，则忽略缺失值（NaN）。如果为 False，而且 Series 中存在缺失值，则返回 NaN。
示例及结果
示例 1：基本用法
import pandas as pd
# 创建一个示例 Series
s = pd.Series()
print("原始 Series:")
print(s)
# 使用 argmin 方法获取最小值的索引位置
min_index = s.argmin()
print("\n最小值的索引位置 (使用 argmin):")
print(min_index)
输出结果：
始 Series:
0 10
1 20
2 30
3 40
4 50
dtype: int64
最小值的索引位置 (使用 argmin):
0
在这个例子中，argmin 返回了最小值 10 对应的索引位置 0。
示例 2：包含重复值的 Series
# 创建一个包含重复值的 Series
s_with_duplicates = pd.Series()
print("原始 Series:")
print(s_with_duplicates)
# 使用 argmin 方法获取最小值的索引位置
min_index_duplicates = s_with_duplicates.argmin()
print("\n最小值的索引位置 (使用 argmin):")
print(min_index_duplicates)
输出结果：
原始 Series:
0 10
1 30
2 20
3 30
4 10
dtype: int64
最小值的索引位置 (使用 argmin):
0
在这个例子中，argmin 返回了第一个最小值 10 的索引位置 0。
示例 3：处置惩罚缺失值
# 创建一个包含缺失值的 Series
s_na = pd.Series()
print("原始 Series:")
print(s_na)
# 使用 argmin 方法并忽略缺失值
min_index_skipna = s_na.argmin(skipna=True)
print("\n最小值的索引位置 (使用 argmin 并忽略缺失值):")
print(min_index_skipna)
# 使用 argmin 方法不忽略缺失值
min_index_no_skipna = s_na.argmin(skipna=False)
print("\n最小值的索引位置 (使用 argmin 不忽略缺失值):")
print(min_index_no_skipna)
输出结果：
原始 Series:
0 10.0
1 NaN
2 20.0
3 30.0
4 NaN
dtype: float64
最小值的索引位置 (使用 argmin 并忽略缺失值):
0
最小值的索引位置 (使用 argmin 不忽略缺失值):
-1
在这个例子中，当 skipna=True 时，argmin 忽略了缺失值并返回了最小值 10 的索引位置 0；当 skipna=False 时，由于存在缺失值，返回了 -1。
总结
argmin 方法用于返回 Series 中最小值的索引位置，支持忽略或保留缺失值的选项。在数据预处置惩罚和分析中，该方法可以帮助用户快速定位最小值的位置。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]