Pandas Series Argmin Methode

Einführung

Die argmin()-Methode in der Pandas-Bibliothek wird verwendet, um die Position des kleinsten Werts in einer Series zu finden. Sie gibt den Index des ersten Vorkommens des kleinsten Werts zurück.

Tipps für die virtuelle Maschine

Nachdem der Start der virtuellen Maschine abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund der Einschränkungen in Jupyter Notebook nicht automatisiert werden.

Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.

Erstellen einer Series

Zunächst erstellen wir eine Series, mit der wir arbeiten können. Wir werden zwei Series, s1 und s2, mit unterschiedlichen Werten erstellen.

import pandas as pd

s1 = pd.Series([45, 10, 78, 22])
s2 = pd.Series([45, 14, 11, 11])

Finden der Position des kleinsten Werts

Jetzt finden wir die Position des kleinsten Werts in jeder Series mit der argmin()-Methode.

position_s1 = s1.argmin()
position_s2 = s2.argmin()

Drucken der Ergebnisse

Schließlich drucken wir die Positionen der kleinsten Werte in den Series.

print("In Series s1, the minimum value is at position:", position_s1)
print("In Series s2, the minimum value is at position:", position_s2)

Zusammenfassung

In diesem Lab haben wir gelernt, wie man die argmin()-Methode in Pandas verwendet, um die Position des kleinsten Werts in einer Series zu finden. Indem Sie den angegebenen Schritten folgen, können Sie diese Methode leicht in Ihrem eigenen Code anwenden. Denken Sie daran, die erforderlichen Bibliotheken zu importieren und die Series zu erstellen, mit der Sie arbeiten möchten. Verwenden Sie dann die argmin()-Methode, um die Position des kleinsten Werts zu finden, und geben Sie schließlich die Ergebnisse aus. Diese Methode kann hilfreich sein, wenn Sie Daten analysieren und spezifische Werte in einer Series suchen.