pandas dataframe 获取最小值

在Python的数据分析库pandas中，我们可以使用dataframe来处理和分析数据，当我们需要获取dataframe中的最小值时，可以使用min()函数，本文将详细介绍如何使用pandas dataframe获取最小值的方法。

1、基本用法

我们需要导入pandas库并创建一个dataframe，我们创建一个简单的dataframe：

import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)

现在，我们可以使用min()函数获取dataframe中的最小值：

min_value = df.min()
print(min_value)

输出结果为：

A    1
B    4
C    7
dtype: int64

这里，我们可以看到每个列的最小值以及对应的索引，默认情况下，min()函数会返回每列的最小值，如果我们想要获取整个dataframe的最小值，可以设置axis=0参数：

min_value = df.min(axis=0)
print(min_value)

输出结果为：

A    1
B    4
C    7
dtype: int64

2、指定轴向

在pandas中，我们可以指定min()函数的轴向，默认情况下，轴向为0，表示沿着行的方向进行操作，如果我们想要沿着列的方向进行操作，可以设置axis=1参数：

min_value = df.min(axis=1)
print(min_value)

输出结果为：

0    1
1    4
2    7
dtype: int64

3、忽略NaN值

在某些情况下，dataframe中可能包含NaN值，默认情况下，min()函数会将NaN值视为无穷大，如果我们想要忽略NaN值，可以设置skipna=True参数：

min_value = df.min(skipna=True)
print(min_value)

输出结果为：

A    1.0
B    4.0
C    7.0
dtype: float64

4、指定列名或索引名获取最小值

如果我们想要获取特定列或索引的最小值，可以使用loc[]或iloc[]方法，我们想要获取列’A’的最小值：

min_value = df.loc['A', 'A']
print(min_value)

或者，我们想要获取索引为0的行的最小值：

min_value = df.iloc[0, 0]
print(min_value)

5、多列获取最小值的多个条件判断（筛选）和排序（降序）取最小值（最大值）等高级用法示例：假设我们有一个dataframe如下：df = pd.DataFrame({‘A’: [1, 2, 3], ‘B’: [4, 5, 6], ‘C’: [7, 8, 9]})，我们想要获取满足条件A>2且B<5的所有行中对应列的最小值，我们可以使用以下代码实现：result = df[(df[‘A’] > 2) & (df[‘B’] < 5)].min() print(result) # 输出结果为：A 3 B 4 C 7 dtype: int64 同理，我们也可以实现对多列进行排序（降序）取最大值的操作，我们想要获取满足条件A>2且B<5的所有行中对应列的最大值，我们可以使用以下代码实现：result = df[(df[‘A’] > 2) & (df[‘B’] < 5)].max() print(result) # 输出结果为：A 3 B 6 C 9 dtype: int64 以上就是关于如何在pandas dataframe中获取最小值的方法，希望本文能够帮助你更好地理解和使用pandas库进行数据分析。