Pandas.Series.cummin() 累积最小值 详解 含代码 含测试数据集 随Pandas版本持续更新

关于Pandas版本： 本文基于 pandas2.2.0 编写。

关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。

传送门： Pandas API参考目录

传送门： Pandas 版本更新及新特性

传送门： Pandas 由浅入深系列教程

Pandas.Series.cummin()

Pandas.Series.cummin 方法用于返回 Series 每一个元素与前面所有元素的累积最小值。

⚠️ 注意 :

1. 字符串可以求累积最小值，其大小是根据字符编码决定的。 ^例1

   • 字符串不能和任何其他类型数据混用，比如 缺失值、数值，否则报错 TypeError

计算公式：

• 累积最小值计算公式：

  $M_i=\max (x_1,x_2,\dots ,x_i)$

  $M_i$ 表示当前位置的累积最小值，$\max (x_1,x_2,\dots ,x_i)$ 表示从起始位置到当前位置的所有元素的最小值。

语法：

Series.cummin(axis=None, skipna=True, *args, **kwargs)

返回值：

• Series or Series

参数说明：

axis 指定计算方向（行或列）

• axis : {0 or ‘index’, 1 or ‘columns’}, default 0

  axis 参数，对于 Series 无效

skipna 忽略缺失值

• skipna : bool, default True >

  skipna 参数，用于指定求累积最小值的时候是否忽略缺失值,默认 skipna=True 表示忽略缺失值：

  • True： 忽略缺失值。当遇到缺失值，会跳过缺失值，以缺失值上面的最近有效值继续后面的计算。 ^例2
  • False: 不忽略缺失。但是后面的所有结果将都是缺失值。^例3

*args,**kwargs

• 为了保持与 Numpy 的兼容性而保留的参数，一般不需要传递任何内容。

相关方法：

➡️ 相关方法

---

• DataFrame.cummin

  DataFram 累积最大值

• Series.min

  最小值

• Series.cummax

  累积最大值

• Series.cumsum

  累积和

• Series.cumprod

  累积乘积

示例：

测试文件下载：

本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。

若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。

测试文件下载位置

例1：字符串求累积最小值，其实是字符串编码的大小比较

import numpy as np
import pandas as pd

s = pd.Series(["一", "二", "三"])

s.cummin()

0    一
1    一
2    一
dtype: object

由上面结果可见，字符串是支持累积最小值计算的，只不过是根据其字符编码比较大小。

例2、默认会跳过缺失值，以缺失值上面的最近有效值，进行后面的计算

import numpy as np
import pandas as pd

s = pd.Series([2.0, 1.0,3.0, np.nan, 0.0])

s.cummin()

0    2.0
1    1.0
2    1.0
3    NaN
4    0.0
dtype: float64

例3、如果不忽略缺失值，后面所有的结果，将都是缺失值。

import numpy as np
import pandas as pd

s = pd.Series([2.0, 1.0,3.0, np.nan, 0.0])

s.cummin(skipna=False)

0    2.0
1    1.0
2    1.0
3    NaN
4    NaN
dtype: float64