dask.dataframe.DataFrame.cummin
dask.dataframe.DataFrame.cummin¶
- DataFrame.cummin(axis=None, skipna=True, out=None)¶
返回 DataFrame 或 Series 轴上的累积最小值。
此文档字符串是从 pandas.core.frame.DataFrame.cummin 复制而来的。
Dask 版本可能存在一些不一致性。
返回一个包含累积最小值的相同大小的 DataFrame 或 Series。
- 参数
- 轴{0 或 ‘index’, 1 或 ‘columns’}, 默认 0
索引或轴的名称。0 等同于 None 或 ‘index’。对于 Series，此参数未使用，默认值为 0。
- skipnabool, 默认 True
排除NA/空值。如果整行/整列都是NA，结果将是NA。
- *args, **kwargs
额外的关键词没有效果，但可能被接受以兼容NumPy。
- 返回
- Series 或 DataFrame
返回 Series 或 DataFrame 的累积最小值。
参见
core.window.expanding.Expanding.min类似的功能，但忽略
NaN值。DataFrame.min返回 DataFrame 轴上的最小值。
DataFrame.cummax返回 DataFrame 轴上的累积最大值。
DataFrame.cummin返回 DataFrame 轴上的累积最小值。
DataFrame.cumsum返回 DataFrame 轴上的累积和。
DataFrame.cumprod返回 DataFrame 轴上的累积乘积。
示例
系列
>>> s = pd.Series([2, np.nan, 5, -1, 0]) >>> s 0 2.0 1 NaN 2 5.0 3 -1.0 4 0.0 dtype: float64
默认情况下，NA 值会被忽略。
>>> s.cummin() 0 2.0 1 NaN 2 2.0 3 -1.0 4 -1.0 dtype: float64
要在操作中包含NA值，请使用
skipna=False>>> s.cummin(skipna=False) 0 2.0 1 NaN 2 NaN 3 NaN 4 NaN dtype: float64
DataFrame
>>> df = pd.DataFrame([[2.0, 1.0], ... [3.0, np.nan], ... [1.0, 0.0]], ... columns=list('AB')) >>> df A B 0 2.0 1.0 1 3.0 NaN 2 1.0 0.0
默认情况下，遍历行并在每一列中找到最小值。这等同于
axis=None或axis='index'。>>> df.cummin() A B 0 2.0 1.0 1 2.0 NaN 2 1.0 0.0
要遍历列并在每一行中找到最小值，请使用
axis=1>>> df.cummin(axis=1) A B 0 2.0 1.0 1 3.0 NaN 2 1.0 0.0