筛选dataframe几列中大于0的最小值

在 Pandas 中，你可以通过组合几个函数来筛选 DataFrame 的多列，并找到其中大于0的最小值。假设你有一个名为 `df` 的 DataFrame，含有多列 `column1`, `column2`, 和 `column3`，你可以这样做：

# 首先选取所有大于0的行
filtered_df = df[df > 0]

# 使用 `idxmin()` 函数沿着指定轴（默认是列）找到每个非空组（即大于0的行）中每列的第一个大于0的值
min_values = filtered_df.min(axis=1)

# 结果是一个 Series，包含了每一行（即一组列）中最小的非零值
min_values_series = min_values

# 如果需要找到对应的原索引，可以使用 `reset_index()` 将 Series 转回 DataFrame 并添加索引列
result_df = min_values_series.reset_index(drop=True)

这样 `result_df` 就会包含各组中大于0的最小值及其所在的行索引。

相关问题

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。

pandas 选取一个DataFrame几列，新建一个DataFrame

您好！在 Pandas 中，可以使用 loc 或 iloc 方法来选取 DataFrame 的列，然后将选取的列作为参数传入 DataFrame 的构造函数中，新建一个 DataFrame。下面是一个示例代码：

import pandas as pd

# 假设有一个名为 data 的 DataFrame，它有三列，分别为 'A'、'B' 和 'C'
data = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 选取 'A' 和 'B' 列，并新建一个 DataFrame
new_data = pd.DataFrame(data.loc[:, ['A', 'B']])

上述代码中，loc[:, ['A', 'B']] 表示选取所有行（即 :），并选取列名为 'A' 和 'B' 的两列数据。然后将选取的数据传入 DataFrame 的构造函数中，新建了一个名为 new_data 的 DataFrame。