DataFrame.cummin(axis=None, skipna=True, *args, **kwargs)
返回DataFrame或Series轴上的累积最小值。
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 索引或轴的名称。0相当于None或'index'。 skipna ： 排除NA/null值。如果整行/列为NA，则结果为NA。 * args，** kwargs： 其他关键字无效，但可能与NumPy兼容。 |
返回： | cummin ： Series 或 DataFrame |
例子
1）计算累积的最小值
import pandas as pd
import numpy as np
# 创建一个示例 DataFrame
data = {
'A': [3, 2, np.nan, 5, 4],
'B': [1, 2, 3, 4, 5],
'C': [np.nan, 3, 1, 6, 5]
}
df = pd.DataFrame(data)
# 计算列方向上的累积最小值
cummin_df = df.cummin(axis=0)
print("列方向上的累积最小值：")
print(cummin_df)
# 计算行方向上的累积最小值
cummin_df_axis1 = df.cummin(axis=1)
print("\n行方向上的累积最小值：")
print(cummin_df_axis1)
2）使用示例
import pandas as pd
import numpy as np
# 创建一个包含一些数据的 Series 对象
s = pd.Series([2, np.nan, 5, -1, 0])
print("原始 Series:")
print(s)
# 使用 cummin 忽略 NA 值（默认行为）print("\nSeries 的 cummin (默认忽略 NA):")
cummin_s = s.cummin()
print(cummin_s)
# 使用 cummin 包含 NA 值print("\nSeries 的 cummin (包含 NA):")
cummin_s_skipna_false = s.cummin(skipna=False)
print(cummin_s_skipna_false)
# 创建一个包含一些数据的 DataFrame 对象
df = pd.DataFrame([[2.0, 1.0],
[3.0, np.nan],
[1.0, 0.0]],
columns=list('AB'))
print("\n原始 DataFrame:")
print(df)