pandas.DataFrame.cummin #

数据框。cummin ( axis = None , skipna = True , * args , ** kwargs ) [来源] #

返回 DataFrame 或 Series 轴上的累积最小值。

返回包含累积最小值的相同大小的 DataFrame 或 Series。

参数：

轴{0 或 'index', 1 或 'columns'}, 默认 0: 轴的索引或名称。 0 相当于无或“索引”。对于系列，此参数未使用，默认为 0。
Skipna布尔值，默认 True: 排除 NA/null 值。如果整行/列为 NA，则结果将为 NA。
*args，**kwargs: 其他关键字没有效果，但可能会被接受以与 NumPy 兼容。

返回：

系列或数据框: 返回 Series 或 DataFrame 的累积最小值。

也可以看看

core.window.expanding.Expanding.min: 类似的功能但忽略NaN值。
DataFrame.min: 返回 DataFrame 轴上的最小值。
DataFrame.cummax: 返回 DataFrame 轴上的累积最大值。
DataFrame.cummin: 返回 DataFrame 轴上的累积最小值。
DataFrame.cumsum: 返回 DataFrame 轴上的累积和。
DataFrame.cumprod: 返回 DataFrame 轴上的累积乘积。

例子

系列

>>> s = pd.Series([2, np.nan, 5, -1, 0])
>>> s
0    2.0
1    NaN
2    5.0
3   -1.0
4    0.0
dtype: float64

默认情况下，NA 值被忽略。

>>> s.cummin()
  2.0
  NaN
  2.0
 -1.0
 -1.0
dtype: float64

要在运算中包含 NA 值，请使用skipna=False

>>> s.cummin(skipna=False)
  2.0
  NaN
  NaN
  NaN
  NaN
dtype: float64

数据框

>>> df = pd.DataFrame([[2.0, 1.0],
...                    [3.0, np.nan],
...                    [1.0, 0.0]],
...                   columns=list('AB'))
>>> df
     A    B
0  2.0  1.0
1  3.0  NaN
2  1.0  0.0

默认情况下，迭代行并查找每列中的最小值。这相当于axis=None或axis='index'。

>>> df.cummin()
     A    B
0  2.0  1.0
1  2.0  NaN
2  1.0  0.0

要迭代列并找到每行中的最小值，请使用axis=1

>>> df.cummin(axis=1)
     A    B
0  2.0  1.0
1  3.0  NaN
2  1.0  0.0