Pandas.DataFrame.min() 最小值 详解 含代码 含测试数据集 随Pandas版本持续更新

关于Pandas版本： 本文基于 pandas2.2.0 编写。

关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。

传送门： Pandas API参考目录

传送门： Pandas 版本更新及新特性

传送门： Pandas 由浅入深系列教程

Pandas.DataFrame.min()

Pandas.DataFrame.min 方法用于返回指定轴向最小值。

• 如果您想要获取最小值的索引，请使用 DataFrame.idxmin 。

语法：

DataFrame.min(axis=0, skipna=True, numeric_only=False, **kwargs)

返回值：

• Series or scalar

  • 输入的数据是单行或单列，则返回 scalar;
  • 输入的数据是多行或多列，则返回 Series。

参数说明：

axis 指定计算方向（行或列）

• axis : {0 or ‘index’, 1 or ‘columns’}, default 0

  axis 参数，用于指定计算方向，即按行计算或按列计算最小值：

  • 如果是 Series 此参数无效，将始终保持 axis=0，即计算整列的最小值。^例1
  • 如果是 DataFrame 默认为 axis=0 即计算每一列的最小值。并有以下参值可选:
    • 0 or ‘index’: 计算每列的最小值。 ^例2-5
    • 1 or ‘columns’： 计算每行的最小值。^例2-6
    • None: 计算所有值的最小值，这相当于把 DataFrame 的所有值展平后求最小值： df.min(axis=None) 等效于 min(df.values.raravel())

    • ?? 注意 :

      整行或整列，可以都是字符串类型的数据，字符串支持求最小值:^例2

      • 字符串类型的行或列，不能存在缺失值,会报错！TypeError 。^例2-2
      • 字符串类型，如果和数值类型的数据混在一起，会报错！TypeError ^例2-3
      • 当 axis=None 时, DataFrame 的所有值的数据类型必须是相同的，要么都是字符串类型的，要么都是数值类型的，否则会报错！ TypeError ^例2-4

  ? 新增于 Pandas 2.0.0 : axis 参数，新增于Pandas 2.0.0 版本。

skipna 忽略缺失值

• skipna : bool, default False >

  skipna 参数，用于指定求最小值的时候是否忽略缺失值：

  • False： 不忽略，[缺失值] 在求最小值的时候，会被解析为浮点数 float。当字符串和缺失值混合时，会报错！TypeError。 ^例2-2
  • True: 忽略缺失值。

  ?? 注意 :

  如果整行或整列，都是缺失值，那么最小值结果也是缺失值。 ^例3

numeric_only 排除非纯数值的行或列

• numeric_only : bool, default False

  numeric_only 参数，用于控制是否 排除非纯数值的行或列：

  • False： 不排除。
  • True: 只对纯数值型的行或列计算最小值。^例4

**kwargs 关键字参数

• kwargs
  kwargs 参数，是为了保持与 Numpy 的兼容性而保留的参数，一般不需要传递任何内容。

相关方法：

?? 相关方法

---

• Series.sum

  求和(累和)

• Series.min

  最小值

• Series.max

  最大值

• Series.idxmin

  最小值索引

• Series.idxmax

  最大值索引

• DataFrame.sum

  求和（累和）

• DataFrame.mean

  平均值

• DataFrame.max

  最大值

• DataFrame.idxmin

  最小值索引

• DataFrame.idxmax

  最大值索引

示例：

测试文件下载：

本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。

若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。

测试文件下载位置

例1：如果是 Series 始终保持 axis=0，即计算整列的最小值。

import numpy as np
import pandas as pd

s = pd.Series([24.0, np.nan, 21.0, 33, 26], name="age")
s.min()

21.0

例2：整行或整列，可以都是字符串类型的数据，字符串支持求最小值。但是，如果和数值类型的数据混在一起，会报错！

例2-1、全是字符串是可以求最小值的

import numpy as np
import pandas as pd

s = pd.Series(["一", "二", "你"])
s.min()

'一'

例2-2、字符串类型的行、列如果存在缺失值（NaN） 会报错

import numpy as np
import pandas as pd

s = pd.Series(["一", "二", np.nan, "你"])
s.min()

例2-3、字符串类型，如果和数值类型的数据混在一起，会报错！

import numpy as np
import pandas as pd

s = pd.Series(["一", "二", 1, "你"])
s.min()

例2-4、当 axis=None 时, DataFrame 的所有值的数据类型必须是相同的，要么都是字符串类型的，要么都是数值类型的，否则会报错！

import numpy as np
import pandas as pd

df = pd.DataFrame(
    {
        "Person": ["John", "Myla", "Lewis", "John", "Myla"],
        "Age": [24.0, 2, 21.0, 33, 26],
        "Single": [False, True, True, True, False],
    }
)

df.min(axis=None)

例2-5、求 DataFrame 每列的最小值

import numpy as np
import pandas as pd

df = pd.DataFrame(
    {
        "Person": ["John", "Myla", "Lewis", "John", "Myla"],
        "Age": [24.0, 2, 21.0, 33, 26],
        "Single": [False, True, True, True, False],
    }
)

# 应返回的是Series，为了方便观察，使用.to_frame()，显式为表格形式
df.min().to_frame()

	0
Person	John
Age	2.0
Single	False

例2-6、求 DataFrame 每行的最小值

import numpy as np
import pandas as pd

df = pd.DataFrame(
    {"A": [28, "Lewis", True], "B": [24.0, "John", False], "C": [30, "Myla", True]}
)

# 应返回的是Series，为了方便观察，使用.to_frame()，显式为表格形式
df.min(axis=1).to_frame()

	0
0	24.0
1	John
2	False

例3：如果整行或整列，都是缺失值，那么最小值结果也是缺失值。

import numpy as np
import pandas as pd

df = pd.DataFrame(
    {"A": [np.nan, np.nan]},
)


df.min(axis=0).to_frame()

	0
A	NaN

例4：numeric_only=True 只对数值类型的列求最小值

df = pd.DataFrame({"A": [0.5,0.2], "B": ["a",0.7], "C": [True,0.1]})


df.min(axis=0, numeric_only=True).to_frame()

# ... A    0.2
# ...dtype: float64

B列由于是数字+字符串，所以没有被计算最小值。 C列布尔值和浮点数混用，也没有被计算最小值