dataframe求最小值忽略空值

在Pandas DataFrame中，如果你想计算某一列的最小值并忽略缺失值（NaN），可以使用`fillna()`函数先将缺失值填充为一个合适的数，比如0，然后使用`min()`函数获取最小值。以下是步骤：

import pandas as pd

# 假设df是一个DataFrame
df = pd.DataFrame({
    'column_name': [4, None, 2, np.nan, 8]
})  # 示例列名，替换为你需要操作的实际列名

# 使用fillna()函数处理缺失值，这里设置值为0
df['column_name'] = df['column_name'].fillna(0)

# 计算并打印最小值
min_value = df['column_name'].min()
print(f"最小值（忽略空值）为: {min_value}")

如果你希望保持原始数据结构不变，直接查找非空值的最小值，则可以在`min()`函数前添加条件筛选，例如：

min_value = df[df['column_name'].notna()]['column_name'].min()

这会先筛选出非空值的行，然后再计算最小值。

相关问题

输出DataFrame简要汇总信息

当你想要快速了解DataFrame中的数据概括，你可以使用Pandas库中的`describe()`函数。这个函数返回DataFrame中数值列（包括整数、浮点数）的一些统计摘要，如计数、平均值、标准差、最小值、四分位数（Q1, Q3）和最大值。

例如：

import pandas as pd

# 假设df是一个DataFrame
df = pd.DataFrame({
   'A': [1, 2, 3, 4, 5],
   'B': ['a', 'b', 'c', 'd', 'e'],
   'C': [10, 20, 30, 40, 50],
   'D': [True, False, True, False, True]
})

# 只对数值列进行描述
summary = df.describe()

print(summary)

输出结果将包含列'A'到'C'的统计摘要，而列'D'因为是非数值类型会被忽略。

如果你想知道所有的列信息，包括非数值列，可以不带参数调用`describe()`：

summary = df.describe(include='all')

这将会显示所有列的名称、非空值数量以及每列的数据类型。