pandas.DataFrame.cummin

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

Возвращает кумуляльный минимум по оси DataFrame или Series.

Возвращает DataFrame или Series той же размерности, содержащую 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 NaN/null. Если вся строка/столбец содержит значения NaN, результат будет NaN. *args, **kwargs : Дополнительные ключевые слова не оказывают влияния, но могут быть приняты для совместимости с NumPy.
Возвращает:	Series или DataFrame

См. также

core.window.Expanding.min

Аналогичная функциональность, но игнорирует значения NaN.

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 NaN игнорируются.

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

Чтобы включить значения NaN 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, происходит итерация по строкам и поиск минимума 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