Python Pandas Series.cummin()用于查找系列的累积最小值
Python是一种进行数据分析的伟大语言,主要是因为以数据为中心的Python软件包的奇妙生态系统。Pandas就是这些包中的一个,它使导入和分析数据变得更加容易。
Pandas Series.cummin()用于寻找一个系列的累积最小值。在累积最小值中,返回的序列的长度与输入的序列相同,每个元素都等于当前元素和前一个元素之间的小值。
语法: Series.cummin(axis=None, skipna=True)
参数:
axis: 0或’索引’用于按行操作,1或’列’用于按列操作
skipna:跳过下一个元素后的NaN加法,如果是真的。
返回类型:Series
示例 #1:
在这个例子中,一个系列是由一个Python列表创建的。该列表还包含一个Null值,skipna参数保持默认,即为True。
# importing pandas module
import pandas as pd
# importing numpy module
import numpy as np
# making list of values
values = [3, 4, np.nan, 7, 2, 0]
# making series from list
series = pd.Series(values)
# calling method
cummin = series.cummin()
# display
cummin
输出:
0 3.0
1 3.0
2 NaN
3 3.0
4 2.0
5 0.0
dtype: float64
解释: Cummin是当前值与前值的比较。第一个元素总是等于调用者系列的第一个元素。
3
3 (3<4)
NaN (Since NaN cannot be compared to integer values)
3 (3<7)
2 (2<3)
0 (0<2)
例2:保持skipna=False
在这个例子中,就像上面的例子一样创建了一个系列。但是skipna参数被保留为假。因此,NULL值不会被忽略,它将在每次出现时被比较。
# importing pandas module
import pandas as pd
# importing numpy module
import numpy as np
# making list of values
values = [12, 4, 33, np.nan, 0, 1, 76, 5]
# making series from list
series = pd.Series(values)
# calling method
cummin = series.cummin(skipna = False)
# display
cummin
输出:
0 12.0
1 4.0
2 4.0
3 NaN
4 NaN
5 NaN
6 NaN
7 NaN
dtype: float64
解释: 就像上面的例子一样,当前值和之前值的最小值被存储在每个位置,直到NaN发生。由于NaN与任何东西比较都会返回NaN,并且skipna参数保持为假,由于所有的值都与NaN比较,所以发生后的累积最小值是NaN。