Pandas DataFrame DataFrame.min() Funktion
-
Syntax von
pandas.DataFrame.min()
: -
Beispielcodes:
DataFrame.min()
Methode zum Finden des Minimums entlang der Spaltenachse -
Beispielcodes:
DataFrame.min()
Methode zum Finden von Min entlang der Zeilenachse -
Beispiel-Codes:
DataFrame.min()
Methode zum Finden von Min-Werten, dieNaN
-Werte ignorieren
![Pandas DataFrame DataFrame.min() Funktion](/img/Python-Pandas/feature-image---Pandas-DataFrame-DataFrame.min-Function.webp)
Die Funktion Python Pandas DataFrame.min()
ruft das Minimum der Werte des DataFrame-Objekts über der angegebenen Achse ab.
Syntax von pandas.DataFrame.min()
:
DataFrame.mean(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
Parameter
axis |
Mittelwert entlang der row (axis=0) oder column (axis=1) finden |
skipna |
Boolesch. Ausschließen von NaN -Werten (skipna=True ) oder Einschließen von NaN -Werten (skipna=False ) |
level |
Zählen Sie mit einem bestimmten Pegel mit, wenn die Achse MultiIndex ist. |
numeric_only |
Boolesch. Fügen Sie für numeric_only=True nur die Spalten float , int und boolean ein. |
**kwargs |
Zusätzliche Schlüsselwort-Argumente zu der Funktion. |
Zurück
Wenn der Level
nicht spezifiziert ist, geben Sie Series
des Minimums der Werte für die angeforderte Achse zurück, andernfalls DataFrame
der minimalen Werte.
Beispielcodes: DataFrame.min()
Methode zum Finden des Minimums entlang der Spaltenachse
import pandas as pd
df = pd.DataFrame({'X': [1, 2, 2, 3],
'Y': [4, 3, 8, 4]})
print("DataFrame:")
print(df)
mins = df.min()
print("Min of Each Column:")
print(mins)
Ausgabe:
DataFrame:
X Y
0 1 4
1 2 3
2 2 8
3 3 4
Min of Each Column:
X 1
Y 3
dtype: int64
Es erhält den Min-Wert für beide Spalten X
und Y
und gibt schließlich ein Series
-Objekt mit dem Min-Wert jeder Spalte zurück.
Um das min einer bestimmten Spalte von DataFrame
in Pandas zu finden, rufen wir die min()
Funktion nur für diese Spalte auf.
import pandas as pd
df = pd.DataFrame({'X': [1, 2, 2, 3],
'Y': [4, 3, 8, 4]})
print("DataFrame:")
print(df)
mins = df["X"].min()
print("Min of Each Column:")
print(mins)
Ausgabe:
1DataFrame:
X Y
0 1 4
1 2 3
2 2 8
3 3 4
Min of Each Column:
1
Sie gibt nur das Minimum der Werte der Spalte X
im DataFrame
aus.
Beispielcodes: DataFrame.min()
Methode zum Finden von Min entlang der Zeilenachse
import pandas as pd
df = pd.DataFrame({'X': [1, 2, 7, 5, 10],
'Y': [4, 3, 8, 2, 9],
'Z': [2, 7, 6, 10, 5]})
print("DataFrame:")
print(df)
mins=df.min(axis=1)
print("Min of Each Row:")
print(mins)
Ausgabe:
DataFrame:
X Y Z
0 1 4 2
1 2 3 7
2 7 8 6
3 5 2 10
4 10 9 5
Min of Each Row:
0 1
1 2
2 6
3 2
4 5
dtype: int64
Es berechnet das Minimum für alle Zeilen und gibt schließlich ein Series
-Objekt mit dem Mittelwert jeder Zeile zurück.
Beispiel-Codes: DataFrame.min()
Methode zum Finden von Min-Werten, die NaN
-Werte ignorieren
Wir verwenden den Standardwert des Parameters skipna
, d.h. skipna=True
, um das Minimum des DataFrame
entlang der angegebenen Achse zu finden, wobei die NaN
-Werte ignoriert werden.
import pandas as pd
df = pd.DataFrame({'X': [1, 2, None, 3],
'Y': [4, 3, 7, 4]})
print("DataFrame:")
print(df)
mins=df.min(skipna=True)
print("Min of Columns")
print(mins)
Ausgabe:
DataFrame:
X Y
0 1.0 4.0
1 2.0 3.0
2 NaN 7.0
3 3.0 4.0
Min of Columns
X 1.0
Y 3.0
dtype: float64
Wenn wir skipna=True
setzen, ignoriert es die NaN
im DataFrame. Es erlaubt uns, das Minimum des DataFrame
entlang der Spaltenachse zu berechnen, wobei NaN
-Werte ignoriert werden.
import pandas as pd
df = pd.DataFrame({'X': [1, 2, None, 3],
'Y': [4, 3, 7, 4]})
print("DataFrame:")
print(df)
mins=df.min(skipna=False)
print("Min of Columns")
print(mins)
Ausgabe:
DataFrame:
X Y
0 1.0 4
1 2.0 3
2 NaN 7
3 3.0 4
Min of Columns
X NaN
Y 3.0
dtype: float64
Hier erhalten wir den NaN
-Wert für den Mittelwert der Spalte X
, da in Spalte X
der NaN
-Wert vorhanden ist.
Founder of DelftStack.com. Jinku has worked in the robotics and automotive industries for over 8 years. He sharpened his coding skills when he needed to do the automatic testing, data collection from remote servers and report creation from the endurance test. He is from an electrical/electronics engineering background but has expanded his interest to embedded electronics, embedded programming and front-/back-end programming.
LinkedIn Facebook