pandas.core.groupby.SeriesGroupBy.min # 系列分组依据。min ( numeric_only = False , min_count = -1 , engine = None , engine_kwargs = None ) [来源] # 计算组值的最小值。 参数: numeric_only布尔值,默认 False仅包含 float、int、boolean 列。 版本 2.0.0 中更改: numeric_only 不再接受None. min_count int,默认-1执行操作所需的有效值数量。如果存在的非 NA 值少于min_count该值,则结果将为 NA。 引擎str,默认无 无 'cython':通过 cython 的 C 扩展运行滚动应用。 'numba'通过 numba 的 JIT 编译代码运行滚动应用。仅当raw设置为时可用True。 None:默认'cython'或全局设置compute.use_numba engine_kwargs字典,默认 None None 对于'cython'发动机,没有可接受的engine_kwargs 对于'numba'引擎来说,引擎可以接受nopython,nogil和parallel字典键。这些值必须是True或 False。引擎 engine_kwargs的默认设置将应用于和groupby 聚合。'numba'{'nopython': True, 'nogil': False, 'parallel': False}funcapply 返回: 系列或数据框计算每组内的最小值。 例子 对于系列分组依据: >>> lst = ['a', 'a', 'b', 'b'] >>> ser = pd.Series([1, 2, 3, 4], index=lst) >>> ser a 1 a 2 b 3 b 4 dtype: int64 >>> ser.groupby(level=0).min() a 1 b 3 dtype: int64 对于 DataFrameGroupBy: >>> data = [[1, 8, 2], [1, 2, 5], [2, 5, 8], [2, 6, 9]] >>> df = pd.DataFrame(data, columns=["a", "b", "c"], ... index=["tiger", "leopard", "cheetah", "lion"]) >>> df a b c tiger 1 8 2 leopard 1 2 5 cheetah 2 5 8 lion 2 6 9 >>> df.groupby("a").min() b c a 1 2 2 2 5 8