【Pandas】pandas Series argmin

Pandas2.2 Series

Computations descriptive stats

方法	描述
Series.argsort([axis, kind, order, stable])	用于返回 Series 中元素排序后的索引位置的方法
Series.argmin([axis, skipna])	用于返回 Series 中最小值索引位置的方法

pandas.Series.argmin

pandas.Series.argmin 是 Pandas 库中用于返回 Series 中最小值索引位置的方法。它会扫描整个 Series 并返回最小值对应的索引。

参数说明

• axis：{0 或 ‘index’}
  默认为 0，表示沿索引方向操作。对于 Series 来说，这个参数通常不需要设置。

• skipna：布尔值，默认为 True
  如果为 True，则忽略缺失值（NaN）。如果为 False，并且 Series 中存在缺失值，则返回 NaN。

---

示例及结果

示例 1：基本用法

import pandas as pd# 创建一个示例 Series
s = pd.Series([10, 20, 30, 40, 50])
print("原始 Series:")
print(s)# 使用 argmin 方法获取最小值的索引位置
min_index = s.argmin()
print("\n最小值的索引位置 (使用 argmin):")
print(min_index)

输出结果：

始 Series:
0    10
1    20
2    30
3    40
4    50
dtype: int64最小值的索引位置 (使用 argmin):
0

在这个例子中，argmin 返回了最小值 10 对应的索引位置 0。

---

示例 2：包含重复值的 Series

# 创建一个包含重复值的 Series
s_with_duplicates = pd.Series([10, 30, 20, 30, 10])
print("原始 Series:")
print(s_with_duplicates)# 使用 argmin 方法获取最小值的索引位置
min_index_duplicates = s_with_duplicates.argmin()
print("\n最小值的索引位置 (使用 argmin):")
print(min_index_duplicates)

输出结果：

原始 Series:
0    10
1    30
2    20
3    30
4    10
dtype: int64最小值的索引位置 (使用 argmin):
0

在这个例子中，argmin 返回了第一个最小值 10 的索引位置 0。

---

示例 3：处理缺失值

# 创建一个包含缺失值的 Series
s_na = pd.Series([10, np.nan, 20, 30, np.nan])
print("原始 Series:")
print(s_na)# 使用 argmin 方法并忽略缺失值
min_index_skipna = s_na.argmin(skipna=True)
print("\n最小值的索引位置 (使用 argmin 并忽略缺失值):")
print(min_index_skipna)# 使用 argmin 方法不忽略缺失值
min_index_no_skipna = s_na.argmin(skipna=False)
print("\n最小值的索引位置 (使用 argmin 不忽略缺失值):")
print(min_index_no_skipna)

输出结果：

原始 Series:
0    10.0
1     NaN
2    20.0
3    30.0
4     NaN
dtype: float64最小值的索引位置 (使用 argmin 并忽略缺失值):
0最小值的索引位置 (使用 argmin 不忽略缺失值):
-1

在这个例子中，当 skipna=True 时，argmin 忽略了缺失值并返回了最小值 10 的索引位置 0；当 skipna=False 时，由于存在缺失值，返回了 -1。

---

总结

argmin 方法用于返回 Series 中最小值的索引位置，支持忽略或保留缺失值的选项。在数据预处理和分析中，该方法可以帮助用户快速定位最小值的位置。