Series.cummim() 方法在 Pandas 中如何工作?\
pandasserver side programmingprogramming更新于 2025/5/17 23:52:17
Pandas Series 构造函数中的 cummin() 方法用于查找给定系列元素的累积最小值。
得到的累积最小值对象与原始系列对象的长度相同。cummin() 方法的参数为"axis"、"skipna"和其他关键字。
"skipna"参数默认排除缺失值的执行，如果您也想执行这些缺失值，请将 skipna 参数设置为"False"那么它还包含 Nan/null 值。
示例 1
# 导入所需包
import pandas as pd
import numpy as np
# 创建 pandas Series 对象
series = pd.Series([9,10,5,np.nan,23,7])
print(series)
print("Cumulative minimum: ",series.cummin())
解释
在此示例中，我们使用 python 列表整数值和 Null 值创建了一个 pandas 系列。创建系列对象后，我们应用了 cummin() 方法，而不更改任何默认参数值。
输出
0 9.0 1 10.0 2 5.0 3 NaN 4 23.0 5 7.0 dtype: float64 Cumulative minimum: 0 9.0 1 9.0 2 5.0 3 NaN 4 5.0 5 5.0 dtype: float64
默认情况下，cummin() 方法不执行 Nan 值，因此位置 3 处的 Nan 值保持不变。
示例 2
# 导入所需包
import pandas as pd
import numpy as np
# 创建 pandas Series 对象
series = pd.Series([78,23,65,np.nan,92,34])
print(series)
print("Cumulative minimum: ",series.cummin(skipna=False))
解释
在下面的示例中，我们通过将 skipna 值设置为 False 来应用 cummin() 方法。这意味着它在执行时会考虑 Null/Nan 值。
输出
0 78.0 1 23.0 2 65.0 3 NaN 4 92.0 5 34.0 dtype: float64 Cumulative minimum: 0 78.0 1 23.0 2 23.0 3 NaN 4 NaN 5 NaN dtype: float64
Series.cummin() 方法返回一个 Series 对象，累积最小元素的第一个元素与原 Series 的元素相同。
