Jak działa pandas idxmin w języku Python? Przykład zastosowania

Biblioteka pandas to jedno z najważniejszych narzędzi dla osób pracujących z danymi w języku Python. Umożliwia wygodne operowanie na tabelach danych, wykonywanie różnorodnych analiz i manipulacji. Jedną z jej bardzo przydatnych metod jest idxmin(). W tym artykule przyjrzymy się jej dokładnie i zobaczymy, jak działa pandas idxmin w języku Python, a także przedstawimy przykład jej zastosowania.

Co robi pandas.idxmin()?

Metoda idxmin() zwraca indeks pierwszego wystąpienia minimalnej wartości w serii lub kolumnie w ramce danych. Innymi słowy, pozwala szybko znaleźć indeks, pod którym znajduje się najmniejsza wartość.

Jest to szczególnie przydatne, gdy pracujemy na dużych zbiorach danych i chcemy szybko odnaleźć lokalizację wartości minimalnej, zamiast tylko jej wartość.

Składnia pandas.idxmin()

Metoda idxmin() jest dostępna zarówno dla obiektów Series, jak i DataFrame. Oto jej ogólna składnia:

Series.idxmin(axis=0, skipna=True)
DataFrame.idxmin(axis=0, skipna=True)

Gdzie:

• axis – określa, wzdłuż której osi szukać minimalnej wartości:
  • axis=0 (domyślnie) – wyszukiwanie w kolumnach (dla DataFrame).
  • axis=1 – wyszukiwanie w wierszach (dla DataFrame).
• skipna – jeśli True (domyślnie), ignoruje wartości NaN.

Przykład zastosowania pandas.idxmin()

Aby lepiej zrozumieć działanie tej metody, przyjrzyjmy się przykładowemu kodowi:

import pandas as pd

# Tworzymy serię danych z przykładowymi wartościami
seria = pd.Series([10, 3, 5, 2, 8, 2])

# Zwracamy indeks pierwszego minimalnego elementu w serii
indeks_min = seria.idxmin()
print(f"Indeks pierwszej minimalnej wartości: {indeks_min}")

Wynik:

Indeks pierwszej minimalnej wartości: 3

Oznacza to, że najmniejsza wartość (2) znajduje się pod indeksem 3.

Wyszukiwanie minimalnej wartości w DataFrame

Teraz zobaczmy, jak idxmin() działa na ramce danych (DataFrame):

import pandas as pd

# Tworzymy przykładowy DataFrame
df = pd.DataFrame({
    'A': [10, 3, 5, 8, 2],
    'B': [1, 9, 4, 6, 2]
})

# Znajdujemy indeksy minimalnych wartości dla każdej kolumny
indeksy_min = df.idxmin()
print(indeksy_min)

Wynik:

	A	B
0	4	0

Oznacza to, że w kolumnie A najmniejsza wartość 2 znajduje się pod indeksem 4, a w kolumnie B najmniejsza wartość 1 występuje w wierszu 0.

Wyszukiwanie minimalnych wartości w wierszach

Podobną operację możemy wykonać w innych wymiarach, np. sprawdzając minimalne wartości w wierszach poprzez ustawienie parametru axis=1:

indeksy_min_wiersze = df.idxmin(axis=1)
print(indeksy_min_wiersze)

W tym przypadku zwracana jest seria z nazwami kolumn, w których znajdują się minimalne wartości dla poszczególnych wierszy.

Obsługa wartości brakujących (NaN)

Jeśli w danych znajdują się wartości brakujące (NaN), metoda idxmin() domyślnie je ignoruje. Możemy to zobaczyć w poniższym przykładzie:

df_nan = pd.DataFrame({
    'A': [10, None, 5, 8, 2],
    'B': [1, 9, None, 6, 2]
})

print(df_nan.idxmin())

Jeśli jednak ustawimy skipna=False, a w danej kolumnie wszystkie wartości są NaN, otrzymamy błąd.

Podsumowanie

Metoda idxmin() w pandas to bardzo przydatne narzędzie do szybkiego odnajdywania indeksów minimalnych wartości w ramach danych. Warto pamiętać o kilku kluczowych kwestiach:

1. idxmin() działa zarówno na Series, jak i DataFrame.
2. Domyślnie szuka minimalnych wartości wzdłuż kolumn (axis=0).
3. Możemy zmienić wyszukiwanie na wiersze, ustawiając axis=1.
4. Metoda ignoruje wartości NaN, chyba że ustawimy skipna=False.

Znajomość idxmin() może znacznie ułatwić analizę danych, zwłaszcza gdy pracujemy na dużych zbiorach i potrzebujemy szybko odnaleźć indeksy najmniejszych wartości.

 

Inny ciekawy artykuł:

Jak działa pandas idxmax w języku Python? Przykład zastosowania