pandas.Series.cummin#
- Series.cummin(axis=None, skipna=True, *args, **kwargs)[源代码]#
返回DataFrame或Series轴上的累计最小值。
返回包含累积最小值的相同大小的DataFrame或Series。
- 参数
- axis{0或‘index’，1或‘Columns’}，默认为0
轴的索引或名称。0等同于无或‘index’。
- skipna布尔值，默认为True
排除NA/NULL值。如果整行/列为NA，则结果将为NA。
- *args, ** 科瓦格人
其他关键字不起作用，但可能会因为与NumPy兼容而被接受。
- 退货
- 标量或级数
返回标量或系列的累计最小值。
参见
core.window.Expanding.min类似的功能，但忽略
NaN价值。Series.min返回串联轴上的最小值。
Series.cummax返回系列轴上的累计最大值。
Series.cummin返回系列轴上的累计最小值。
Series.cumsum返回系列轴上的累计和。
Series.cumprod返回系列轴上的累计产品。
示例
Series
>>> 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() 0 2.0 1 NaN 2 2.0 3 -1.0 4 -1.0 dtype: float64
要在操作中包括NA值，请使用
skipna=False>>> s.cummin(skipna=False) 0 2.0 1 NaN 2 NaN 3 NaN 4 NaN dtype: float64
DataFrame
>>> 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，遍历各行并在每列中找到最小值。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