做的很好的黑白网站网站空间数据

Pandas2.2 DataFrame

Computations descriptive stats

方法	描述
DataFrame.abs()	用于返回 DataFrame 中每个元素的绝对值
DataFrame.all([axis, bool_only, skipna])	用于判断 DataFrame 中是否所有元素在指定轴上都为 True
DataFrame.any(*[, axis, bool_only, skipna])	用于判断 DataFrame 中是否至少有一个元素在指定轴上为 True
DataFrame.clip([lower, upper, axis, inplace])	用于截断（限制）DataFrame 中的数值
DataFrame.corr([method, min_periods, …])	用于计算 DataFrame 中各列之间的相关系数矩阵（Correlation Matrix）
DataFrame.corrwith(other[, axis, drop, …])	用于计算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 中对应列的相关系数
DataFrame.count([axis, numeric_only])	用于统计 DataFrame 中每列或每行的非空（非 NaN）元素数量
DataFrame.cov([min_periods, ddof, numeric_only])	用于计算 DataFrame 中每对列之间的协方差
DataFrame.cummax([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最大值（cumulative maximum）
DataFrame.cummin([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最小值（cumulative minimum）

pandas.DataFrame.cummin()

pandas.DataFrame.cummin() 方法用于计算 DataFrame 中每列或每行的累计最小值（cumulative minimum）。该方法返回一个与原 DataFrame 形状相同的对象，每个位置上的值是到该位置为止所有元素的最小值。

---

参数说明：

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

   • 指定计算方向：
     • 0 或 'index'：按列计算（对每一列从上往下累计）
     • 1 或 'columns'：按行计算（对每一行从左往右累计）

2. skipna：bool, default True

   • 如果为 True，则忽略 NaN 值；
   • 如果为 False，遇到 NaN 则结果也为 NaN。

---

示例代码 1：默认参数（按列累计最小值）

import pandas as pd
import numpy as npdf = pd.DataFrame({'A': [5, 3, 4, 1, 2],'B': [10, 8, 6, 7, 9],'C': [3, 2, 1, 2, 3]
})result = df.cummin()
print(result)

输出结果：

   A   B  C
0  5  10  3
1  3   8  2
2  3   6  1
3  1   6  1
4  1   6  1

---

示例代码 2：按行累计最小值（axis=1）

result = df.cummin(axis=1)
print(result)

输出结果：

   A   B  C
0  5   5  3
1  3   3  2
2  4   4  1
3  1   1  1
4  2   2  2

---

示例代码 3：包含 NaN 值时 skipna=False 的影响

df_with_nan = pd.DataFrame({'A': [3, 1, None, 2, 4],'B': [None, 5, 2, None, 3]
})result = df_with_nan.cummin(skipna=False)
print(result)

输出结果：

     A    B
0  3.0  NaN
1  1.0  NaN
2  NaN  NaN
3  NaN  NaN
4  4.0  3.0

---

总结：

• cummin() 是一种用于追踪数据序列中“历史最低”的实用方法。
• 常用于金融分析、性能监控等场景，例如记录每次交易中的最低价格或系统运行中的最低响应速度等。