qidao123.com技术社区-IT企服评测·应用市场

标题: 【Pandas】pandas DataFrame cummin [打印本页]

作者: 圆咕噜咕噜 时间: 6 天前
标题: 【Pandas】pandas DataFrame cummin
Pandas2.2 DataFrame

Computations descriptive stats

方法形貌DataFrame.abs()用于返回 DataFrame 中每个元素的绝对值DataFrame.all([axis, bool_only, skipna])用于判断 DataFrame 中是否所有元素在指定轴上都为 TrueDataFrame.any(*[, axis, bool_only, skipna])用于判断 DataFrame 中是否至少有一个元素在指定轴上为 TrueDataFrame.clip([lower, upper, axis, inplace])用于截断（限制）DataFrame 中的数值DataFrame.corr([method, min_periods, …])用于盘算 DataFrame 中各列之间的相关系数矩阵（Correlation Matrix）DataFrame.corrwith(other[, axis, drop, …])用于盘算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 中对应列的相关系数DataFrame.count([axis, numeric_only])用于统计 DataFrame 中每列或每行的非空（非 NaN）元素数量DataFrame.cov([min_periods, ddof, numeric_only])用于盘算 DataFrame 中每对列之间的协方差DataFrame.cummax([axis, skipna])用于盘算 DataFrame 中每列或每行的累计最大值（cumulative maximum）DataFrame.cummin([axis, skipna])用于盘算 DataFrame 中每列或每行的累计最小值（cumulative minimum） pandas.DataFrame.cummin()

pandas.DataFrame.cummin() 方法用于盘算 DataFrame 中每列或每行的累计最小值（cumulative minimum）。该方法返回一个与原 DataFrame 外形相同的对象，每个位置上的值是到该位置为止所有元素的最小值。

参数说明：

axis：{0 or ‘index’, 1 or ‘columns’}, default 0
- 指定盘算方向：
  - 0 或 'index'：按列盘算（对每一列从上往下累计）
  - 1 或 'columns'：按行盘算（对每一行从左往右累计）
skipna：bool, default True
- 如果为 True，则忽略 NaN 值；
- 如果为 False，遇到 NaN 则结果也为 NaN。

示例代码 1：默认参数（按列累计最小值）

import pandas as pd
import numpy as np
df = pd.DataFrame({
'A': [5, 3, 4, 1, 2],
'B': [10, 8, 6, 7, 9],
'C': [3, 2, 1, 2, 3]
})
result = df.cummin()
print(result)

复制代码

输出结果：

A B C
0 5 10 3
1 3 8 2
2 3 6 1
3 1 6 1
4 1 6 1

复制代码

示例代码 2：按行累计最小值（axis=1）

result = df.cummin(axis=1)
print(result)

复制代码

输出结果：

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

复制代码

示例代码 3：包罗 NaN 值时 skipna=False 的影响

df_with_nan = pd.DataFrame({
'A': [3, 1, None, 2, 4],
'B': [None, 5, 2, None, 3]
})
result = df_with_nan.cummin(skipna=False)
print(result)

复制代码

输出结果：

A B
0 3.0 NaN
1 1.0 NaN
2 NaN NaN
3 NaN NaN
4 4.0 3.0

复制代码

总结：

cummin() 是一种用于追踪数据序列中“历史最低”的实用方法。
常用于金融分析、性能监控等场景，比方记载每次生意业务中的最低价格或系统运行中的最低响应速度等。

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。

欢迎光临 qidao123.com技术社区-IT企服评测·应用市场 (https://dis.qidao123.com/)