python pandas min() 没有达到最小值

Question

我遇到了一个奇怪的问题。我敢肯定这背后有一个合乎逻辑的原因。

我有一个名为 alloptions 的数据框，它有 4 列，minage1、minage2、minage3 和 minage4，它们都是 float64。缺失值的数量从 minage1 增加到 minage4。

我创建了第五列，它采用这四列中的最小值:

alloptions['minage']=alloptions.apply(lambda x: min([x['minage1'],x['minage2'],x['minage3'],x['minage4']]),axis=1)

在我发现第 47 行之前，它看起来很有效

     minage1    minage2 minage3 minage4 minage      
47     NaN      56.0    NaN      NaN     NaN

使用 .loc，我隔离该行:

In [10]:

 print alloptions.loc[47,:]
 print alloptions.loc[47,:].dtypes

我明白了

minage1   NaN
minage2    56
minage3   NaN
minage4   NaN
minage    NaN
Name: 47, dtype: float64
float64

所以我很困惑为什么这个函数没有得到 56。

预先感谢您的帮助。

Answer 1

你正在使用内置的 Python min 函数，它不知道 nan 并且不一致地对待它:

>>> min(1, np.nan)
1
>>> min(np.nan, 1)
nan

相反，使用 pandas 的 min 方法，它知道在计算最小值时忽略 nan 值。此方法采用 axis 参数，因此如果您的四个 minageX 列是 DataFrame 中唯一的列，您可以这样做

df['minage'] = df.min(axis=1)

一般来说，在使用 pandas 数据结构时，您应该避免使用内置的 Python 函数，例如 max、min、sum 等，而是使用 pandas 版本；内置函数对 pandas 或矢量化操作一无所知，可能会产生意想不到的结果。