Python pandas dataframe.cummin()

pandas的cummin()方法返回累积的最小值，按行或列计算。当处理时间序列数据或累积量（如库存或价格）时，此方法很有用。这对于计算移动窗口统计数据也很有用。

语法

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

参数：

• axis：指定累积的轴。
• skipna：如果有缺失值则跳过，默认为True。

示例

import pandas as pd

# 创建一个数据框
data = {'A':[1, 3, 2, 4], 'B':[3, 2, 4, 1]}
df = pd.DataFrame(data)

# 输出数据框
print(df)

# 计算每一行的累积最小值
cum_min = df.cummin(axis=1)

# 输出计算结果
print(cum_min)

输出结果：

   A  B
0  1  3
1  3  2
2  2  4
3  4  1

   A  B
0  1  1
1  3  2
2  2  2
3  4  1

在这个例子中，我们首先创建了一个数据框，其中包含了两列数据。然后我们使用cummin()方法计算了每一行的累积最小值，并将结果存储在一个新的数据框中。最终输出了原始数据框和计算结果。

可以看出，结果的每一行都是其对应行的累积最小值。在第一行中，累积最小值始终是A列中的最小值1。 在第二行中，累积最小值从1变成了2，因为B列中的值为2。 在第三行中，将A列和B列的最小值都累积起来，结果为2。 在最后一行中，累积最小值是A列和B列中的最小值，即1。

本例说明了cummin()方法如何计算每行的最小值。如果需要按列计算，请将axis参数设置为0。