Python pandas.DataFrame.idxmin函数方法的使用

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或'index'，1或'columns'}，默认0

行为0或'index'，列为1或'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