马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。
您需要 登录 才可以下载或查看,没有账号?立即注册
x
Pandas2.2 Series
Computations descriptive stats
方法形貌Series.argsort([axis, kind, order, stable])用于返回 Series 中元素排序后的索引位置的方法Series.argmin([axis, skipna])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([10, 20, 30, 40, 50])
- 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)
复制代码 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
复制代码 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([10, 30, 20, 30, 10])
- 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)
复制代码 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
复制代码 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([10, np.nan, 20, 30, np.nan])
- 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)
复制代码 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
复制代码 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。 |