Python pandas.DataFrame.min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.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 ： int或level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float，int，boolean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：

Series 或 DataFrame (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