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 ‘индекс’, 1 или ‘колонки’}, по умолчанию 0

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

skipna:bool, по умолчанию True

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

*args, **kwargs

Дополнительные ключевые слова не влияют, но могут приниматься для совместимости с NumPy.

Возвращаемое значение:

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

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 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

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