Python | Pandas Series.cummin (), чтобы найти совокупный минимум серии
Python - отличный язык для анализа данных, в первую очередь из-за фантастической экосистемы пакетов Python, ориентированных на данные. Pandas - один из таких пакетов, который значительно упрощает импорт и анализ данных.
Pandas Series.cummin() is used to find Cumulative minimum of a series. In cumulative minimum, the length of returned series is same as input series and every element is equal to the smaller one between current element and previous element.
Syntax: Series.cummin(axis=None, skipna=True)
Parameters:
axis: 0 or ‘index’ for row wise operation and 1 or ‘columns’ for column wise operation
skipna: Skips NaN addition for elements after the very next one if True.Return type: Series
Example #1:
In this example, a series is created from a Python list. The list also contains a Null value and the skipna parameter is kept default, that is True.
# importing pandas module import pandas as pd # importing numpy module import numpy as np # making list of values values = [3, 4, np.nan, 7, 2, 0] # making series from list series = pd.Series(values) # calling method cummin = series.cummin() # display cummin |
Выход:
0 3,0 1 3,0 2 NaN 3 3,0 4 2,0 5 0,0 dtype: float64
Объяснение: Cummin - это сравнение текущего значения с предыдущим значением. Первый элемент всегда равен первому в серии вызывающего абонента.
3 3 (3 <4) NaN (поскольку NaN нельзя сравнивать с целыми значениями) 3 (3 <7) 2 (2 <3) 0 (0 <2)
Example #2: Keeping skipna=False
In this example, a series is created just like in the above example. But the skipna parameter is kept False. Hence NULL values won’t be ignored and it would be compared every time on it’s occurrence.
# importing pandas module import pandas as pd # importing numpy module import numpy as np # making list of values values = [12, 4, 33, np.nan, 0, 1, 76, 5] # making series from list series = pd.Series(values) # calling method cummin = series.cummin(skipna = False) # display cummin |
Выход:
0 12,0 1 4,0 2 4,0 3 NaN 4 NaN 5 NaN 6 NaN 7 NaN dtype: float64
Объяснение: Как и в приведенном выше примере, минимальное текущее и предыдущее значения сохранялись в каждой позиции до тех пор, пока не появилось NaN. Поскольку NaN по сравнению с чем-либо возвращает NaN, а параметр skipna остается False, совокупный минимум после его появления равен NaN из-за сравнения всех значений с NaN.
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.