Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.idxmin方法的使用。

DataFrame.idxmin(self, axis=0, skipna=True)                                           [source]

返回在请求轴上第一次出现最小值的索引。不包括NA/null

参数

axis : {0'index'1'columns'},默认0

行为0或'index',列为1'columns'

skipna : boolean,默认为True

排除NA/null。如果整个行/列均为NA,则结果为NA

返回值

Series

沿指定轴的最小值索引。

Raises

ValueError

如果行/列为空

Notes

此方法是的DataFrame版本ndarray.argmin

例子

1、使用idxmin()函数来沿索引轴查找最小值的索引

# importing pandas as pd 
import pandas as pd 
# Creating the dataframe  
df = pd.DataFrame({"A":[4, 5, 2, 6], 
                   "B":[11, 2, 5, 8], 
                   "C":[1, 8, 66, 4]}) 
# Print the dataframe 
df 

输出

      A    B     C
0 4 11 1
1 5 2 8
2 2 5 66
3 6 8 4

idxmax()沿索引轴应用

# applying idxmin() function. 
df.idxmin(axis = 0) 

输出:

A      2
B 1
C 0
dtype: int64

2、使用idxmin()函数查找沿列轴的最小值的索引。数据框包含NA值

# importing pandas as pd 
import pandas as pd 
# Creating the dataframe  
df = pd.DataFrame({"A":[4, 5, 2, None],  
                   "B":[11, 2, None, 8],  
                   "C":[1, 8, 66, 4]}) 
# Skipna = True will skip all the Na values 
# find minimum along column axis 
df.idxmin(axis = 1, skipna = True) 

输出:

0      C
1 B
2 A
3 C
dtype: int64