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。