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 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/колонка содержит NA, результат будет NA. *args, **kwargs : Дополнительные ключевые слова не влияют, но могут быть приняты для совместимости с NumPy.
Возвращает:	cummin : scalar or Series

См. также

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

Для включения значений 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 каждой колонке. 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

Для итерирования по колонкам и нахождения минимума 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