DataFrame求其非0最小值

可以使用pandas库中的`replace()`方法将DataFrame中的0元素替换为NaN，然后使用`min()`方法求取非0最小值。具体的代码如下：

import pandas as pd

# 构造一个示例DataFrame
df = pd.DataFrame({'A': [0, 2, 0], 'B': [3, 0, 4], 'C': [0, 5, 6]})

# 将DataFrame中的0元素替换为NaN
df = df.replace(0, pd.np.nan)

# 求取非0最小值
min_val = df.min().min()

# 输出结果
print(min_val)

在这个示例中，我们首先构造了一个DataFrame对象df，然后使用`replace()`方法将其中的0元素替换为NaN，接着使用`min()`方法求取非0最小值。需要注意的是，由于DataFrame中有多列，所以需要在第一次`min()`方法后再使用一次`min()`方法来求取所有列的最小值。最后输出结果即可。

相关问题

dataframe计算所有列的最小值

可以使用 pandas 中的 `DataFrame.min()` 方法来计算 DataFrame 中所有列的最小值。该方法会返回一个 Series，其中每个元素为对应列的最小值。

示例代码如下：

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 计算所有列的最小值
min_values = df.min()

print(min_values)

输出结果为：

A    1
B    4
C    7
dtype: int64

可以看到，`min()` 方法返回了一个 Series，其中包含了每一列的最小值。

dataframe用当前列的最小值减去100填充NaN

可以使用 pandas 中的 fillna() 方法来实现。假设当前列名为 column_name，可以使用以下代码：

import pandas as pd

# 读取数据到 DataFrame
df = pd.read_csv('data.csv')

# 用最小值减去 100 填充 NaN
min_value = df['column_name'].min()
df['column_name'].fillna(min_value - 100, inplace=True)

其中，`fillna()` 方法的第一个参数是填充的值，这里使用最小值减去 100。`inplace=True` 表示在原 DataFrame 上进行操作，否则需要重新赋值给一个新的 DataFrame。