Pandas.DataFrame.minの使い方：サンプルコード付き

pandas.DataFrame.min() は、DataFrameの最小値を取得するための関数です。

使い方

• 基本的な使い方

df.min()

このコードは、DataFrameの全ての列の最小値を含むSeriesを返します。

• 列指定

df['col1'].min()

このコードは、列col1の最小値のみを返します。

• 軸指定

df.min(axis=1)  # 各行の最小値
df.min(axis=0)  # 各列の最小値

axis=1を指定すると、各行の最小値を含むSeriesを返します。axis=0を指定すると、デフォルトと同じく各列の最小値を含むSeriesを返します。

• オプション

min()関数には、以下のオプションがあります。

• skipna=True: 欠損値を無視する
• numeric_only=True: 数値型のみを対象とする

df.min(skipna=True)  # 欠損値を無視
df.min(numeric_only=True)  # 数値型のみを対象

例

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, np.nan], 'C': ['a', 'b', 'c']})

# 全ての列の最小値
print(df.min())

# 列 'B' の最小値
print(df['B'].min())

# 各行の最小値
print(df.min(axis=1))

# 各列の最小値 (欠損値を無視)
print(df.min(axis=0, skipna=True))

出力

A    1
B    4
C    a
dtype: object
4
0    1
1    4
2    a
dtype: object
4
B    4
C    a
dtype: object

pandas.DataFrame.min のサンプルコード

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 全ての列の最小値
print(df.min())

# 出力
# A    1
# B    4
# C    7
# dtype: int64

列指定

# 列 'B' の最小値
print(df['B'].min())

# 出力
# 4

軸指定

# 各行の最小値
print(df.min(axis=1))

# 出力
# 0    1
# 1    4
# 2    7
# dtype: int64

# 各列の最小値
print(df.min(axis=0))

# 出力
# A    1
# B    4
# C    7
# dtype: int64

オプション

# 欠損値を含む列の最小値 (欠損値は無視)
df['D'] = [1, np.nan, 3]

print(df.min(skipna=True))

# 出力
# A    1.000000
# B    4.000000
# C    7.000000
# D    1.000000
# dtype: float64

# 数値型のみの列の最小値
print(df.min(numeric_only=True))

# 出力
# A    1
# B    4
# D    1
# dtype: int64

グループごとの最小値

# グループ 'G' ごとの各列の最小値
print(df.groupby('G').min())

# 出力
#        A  B  C
# G
# 1  1.000000  4  7
# 2  2.000000  5  8
# 3  3.000000  6  9

条件付きの最小値

# 'A' 列が 2 より大きい行の 'B' 列の最小値
print(df[df['A'] > 2].min()['B'])

# 出力
# 5

時系列データの最小値

# 時系列データの過去 3 日間の最小値
df = pd.DataFrame({'Date': pd.to_datetime(['2023-03-08', '2023-03-09', '2023-03-10', '2023-03-11']), 'Value': [10, 9, 8, 7]})

print(df.set_index('Date')['Value'].rolling(3).min())

# 出力
# Date
# 2023-03-08    10
# 2023-03-09     9
# 2023-03-10     8
# 2023-03-11     7
# Name: Value, dtype: int64

これらのサンプルコードは、pandas.DataFrame.min の使い方を理解するのに役立ちます。

pandas.DataFrame.min 以外の方法

比較演算子

# 全ての列の最小値
min_value = df.values.min()

# 列 'B' の最小値
min_value = df['B'].min()

# 各行の最小値
min_values = df.min(axis=1)

# 各列の最小値
min_values = df.min(axis=0)

NumPy の min 関数

# 全ての列の最小値
min_value = np.min(df.values)

# 列 'B' の最小値
min_value = np.min(df['B'])

# 各行の最小値
min_values = np.min(df, axis=1)

# 各列の最小値
min_values = np.min(df, axis=0)

最小値を保持する列を追加

df['min_value'] = df.min(axis=1)

# 出力
#   A  B  C  min_value
# 0  1  4  7         1
# 1  2  5  8         2
# 2  3  6  9         3

これらの方法は、pandas.DataFrame.min よりも高速に動作する場合があります。ただし、コードの可読性が低下する場合もあります。

特殊なケース

• グループごとの最小値: groupby().min()
• 条件付きの最小値: loc[] や query() を使用
• 時系列データの最小値: rolling().min()

これらの特殊なケースには、専用の関数やメソッドを使用する方が効率的です。