DataFrame.min(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs) [source]
返回所请求axis的最小值。
如果要最小的索引，请使用idxmin。这相当于该numpy.ndarray方法argmin。
参数： | axis ： skipna ： 计算结果时排除 level ： 如果axis是MultiIndex（分层）， 则沿特定级别计数，并折叠为Series。 numeric_only ： 仅包括 如果为 然后仅使用数字数据。未针对Series实现。 **kwargs 要传递给函数的其他关键字参数。 |
返回值： |
|
例子
1）按列计算最小值（默认）
import pandas as pd
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6],
'C': [7, 8, 9]
})
print(df.min())
2）按行计算最小值
import pandas as pd
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6],
'C': [7, 8, 9]
})
print(df.min(axis=1))3）含 NaN 时的处理
import pandas as pd
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6],
'C': [7, 8, 9]
})
df2 = pd.DataFrame({
'A': [1, 2, None],
'B': [4, None, 6],
'C': [7, 8, 9]
})
print(df2.min()) # 默认 skipna=True
print(df.min(axis=1))4）不忽略 NaN
import pandas as pd
df2 = pd.DataFrame({
'A': [1, 2, None],
'B': [4, None, 6],
'C': [7, 8, 9]
})
print(df2.min(skipna=False))