pandas.core.groupby.SeriesGroupBy.min

SeriesGroupBy.min(numeric_only=False, min_count=-1, engine=None, engine_kwargs=None)[source]

Вычисление минимального значения групповых значений.

Параметры:

numeric_only:bool, по умолчанию False

Включать только столбцы с плавающей точкой, целыми числами и булевыми значениями.

Изменено в версии 2.0.0: numeric_only больше не принимает None.

min_count:int, по умолчанию -1

Требуемое количество допустимых значений для выполнения операции. Если присутствует меньше, чем min_count значений без пропущенных (NaN), результат будет NaN.

engine:str, по умолчанию None

• 'cython' : Выполняет применение по группам через C-расширения из Cython.

• 'numba':Выполняет применение по группам через JIT-компилированный код из numba.

  Доступно только, когда raw установлено в True.

• None : По умолчанию 'cython' или глобально установлено compute.use_numba

engine_kwargs:dict, по умолчанию None

• Для 'cython' движка нет допустимых engine_kwargs

• Для 'numba' движка, движок может принимать nopython, nogil

  и parallel ключи словаря. Значения должны быть True или False. По умолчанию engine_kwargs для 'numba' движка это {'nopython': True, 'nogil': False, 'parallel': False} и будет применено к обоим func и apply агрегациям по группам.

Возвращает:

Series или DataFrame

Вычисленное минимальное значение значений в каждой группе.

Примеры

Для SeriesGroupBy:

>>> lst = ['a', 'a', 'b', 'b']
>>> ser = pd.Series([1, 2, 3, 4], index=lst)
>>> ser
a    1
a    2
b    3
b    4
dtype: int64
>>> ser.groupby(level=0).min()
a    1
b    3
dtype: int64

Для DataFrameGroupBy:

>>> data = [[1, 8, 2], [1, 2, 5], [2, 5, 8], [2, 6, 9]]
>>> df = pd.DataFrame(data, columns=["a", "b", "c"],
...                   index=["tiger", "leopard", "cheetah", "lion"])
>>> df
          a  b  c
  tiger   1  8  2
leopard   1  2  5
cheetah   2  5  8
   lion   2  6  9
>>> df.groupby("a").min()
    b  c
a
1   2  2
2   5  8