dataframe中的一列如何只计算其有数字的值的最小值

可以先将该列中的非数字值替换为NaN，然后使用dropna()方法删除NaN值，最后使用min()方法获取该列中的数字最小值。

假设该列所在的数据框为df，列名为'column_name'，可以使用以下代码获取该列中数字最小的值：

import numpy as np

# 将非数字值替换为NaN
df['column_name'] = pd.to_numeric(df['column_name'], errors='coerce')

# 删除NaN值
df = df.dropna(subset=['column_name'])

# 获取数字最小的值
min_value = np.min(df['column_name'])

这样就能获取到该列中数字最小的值了。

相关问题

dataframe计算一列里面除nan以外的数字的最小值

可以使用 Pandas 库的 DataFrame 和 Series 对象中的一些函数来完成这个任务。假设要计算 DataFrame 对象 df 中名为 "col_name" 的列中除 NaN 以外的数字的最小值，可以使用以下代码：

import numpy as np
import pandas as pd

# 创建示例 DataFrame
df = pd.DataFrame({'col_name': [1, 2, np.nan, 4, 5, np.nan]})

# 计算最小值
min_val = df['col_name'].dropna().min()

print(min_val)

这个代码中，我们首先创建了一个示例 DataFrame，其中 "col_name" 列包含一些数字和 NaN 值。然后，我们使用 dropna() 函数删除了该列中的 NaN 值，并使用 min() 函数计算了剩余数字的最小值。最后，我们打印出了结果。

dataframe求一列中第二个值之后的值的最小值

可以使用 Pandas 中的 iloc 方法和 min 方法来实现。假设要求 DataFrame 中第一列第二个值之后的值的最小值，代码如下：

import pandas as pd

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

# 求第一列第二个值之后的值的最小值
min_value = df['A'].iloc[2:].min()

print(min_value)  # 输出：3

首先创建了一个 DataFrame，然后使用 iloc 方法选取第一列的第二个值之后的所有值，再使用 min 方法求这些值的最小值。最终输出结果为 3。