pandas.DataFrame.cummin

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

Возвращает кумуляльный минимум по оси DataFrame или Series.

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

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

См. также

core.window.Expanding.min

Аналогичная функциональность, но игнорирует NaN значения.

DataFrame.min

Возвращает минимум по оси DataFrame.

DataFrame.cummax

Возвращает кумуляльный максимум по оси DataFrame.

DataFrame.cummin

Возвращает кумуляльный минимум по оси DataFrame.

DataFrame.cumsum

Возвращает кумулятивную сумму по оси DataFrame.

DataFrame.cumprod

Возвращает кумулятивное произведение по оси DataFrame.

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 минимум 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 находить минимум 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