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, содержащий кумуляльный минимум.

Параметры

axis:{0 или ‘index’, 1 или ‘columns’}, по умолчанию 0

Индекс или имя оси. 0 эквивалентно None или ‘index’. Для Series этот параметр не используется и по умолчанию равен 0.

skipna:bool, по умолчанию True

Исключить значения NA/null. Если вся строка/столбец состоит из NA, результат будет NA.

*args, **kwargs

Дополнительные ключевые слова не имеют эффекта, но могут быть приняты для совместимости с NumPy.

Возвращает

скаляр или Series

Возвращает кумуляльный минимум скаляра или Series.

См. также

core.window.expanding.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 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

Для итерации по столбцам и поиска 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