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.min方法的使用。

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 : {index (0), columns (1)}

skipna :bool,默认为True

计算结果时排除NA/null值。

level : intlevel名称,默认为None

如果axis是MultiIndex(分层),

则沿特定级别计数,并折叠为Series。

numeric_only : bool,默认为None

仅包括floatintboolean列。

如果为None,将尝试使用所有内容,

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

SeriesDataFrame (如果指定级别)

例子

idx = pd.MultiIndex.from_arrays([
['warm', 'warm', 'cold', 'cold'],
['dog', 'falcon', 'fish', 'spider']],
names=['blooded', 'animal'])
s = pd.Series([4, 2, 0, 8], name='legs', index=idx)
s
blooded animal
warm dog 4
falcon 2
cold fish 0
spider 8
Name: legs, dtype: int64
s.min()
0

最小使用级别名称以及索引

s.min(level='blooded')
blooded
warm 2
cold 0
Name: legs, dtype: int64
s.min(level=0)
blooded
warm 2
cold 0
Name: legs, dtype: int64