pandas.Series.cummin

Series.cummin(axis=None, skipna=True, *args, **kwargs) [source]

Возвращает кумуляльный минимум по оси DataFrame или Series.

Возвращает DataFrame или Series того же размера, содержащие кумуляльный минимум.

Параметры:	axis : {0 или ‘index’, 1 или ‘columns’}, по умолчанию 0 Индекс или имя оси. 0 эквивалентно None или ‘index’. skipna : boolean, по умолчанию True Исключить значения NA/null. Если вся строка/столбец содержит NA, результат будет NA. *args, **kwargs : Дополнительные ключевые параметры не оказывают влияния, но могут приниматься для совместимости с NumPy.
Возвращает:	cummin : scalar or Series

См. также

pandas.core.window.Expanding.min

Аналогичная функциональность, но игнорирует NaN значения.

Series.min

Возвращает минимум по оси Series.

Series.cummax

Возвращает кумуляльный максимум по оси Series.

Series.cummin

Возвращает кумуляльный минимум по оси Series.

Series.cumsum

Возвращает кумулятивную сумму по оси Series.

Series.cumprod

Возвращает кумулятивное произведение по оси Series.

Примеры

Series

>>> 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

По умолчанию значения NA игнорируются.

>>> s.cummin()
0    2.0
1    NaN
2    2.0
3   -1.0
4   -1.0
dtype: float64

Чтобы включить значения NA в операцию, используйте 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

По умолчанию, итерируется по строкам и находит минимальное значение в каждом столбце. Это эквивалентно axis=None или axis='index'.

>>> df.cummin()
     A    B
0  2.0  1.0
1  2.0  NaN
2  1.0  0.0

Чтобы итерироваться по столбцам и найти минимальное значение в каждой строке, используйте axis=1

>>> df.cummin(axis=1)
     A    B
0  2.0  1.0
1  3.0  NaN
2  1.0  0.0