Introduction
Dans ce laboratoire, nous allons apprendre à utiliser la méthode min() dans un DataFrame Pandas. Cette méthode nous aide à trouver la valeur ou les valeurs minimales dans un DataFrame sur un axe spécifié. Nous allons explorer différents exemples pour comprendre comment utiliser efficacement cette méthode.
Conseils sur la machine virtuelle
Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Carnet de notes pour accéder au carnet Jupyter Notebook pour pratiquer.
Parfois, vous devrez peut-être attendre quelques secondes pour que le carnet Jupyter Notebook ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations du carnet Jupyter Notebook.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous résoudrons rapidement le problème pour vous.
Créer un DataFrame
Commenceons par créer un DataFrame à l'aide de la bibliothèque Pandas. Nous allons utiliser la fonction pd.DataFrame() pour créer un objet DataFrame. Voici un exemple :
import pandas as pd
data = {'A': [10, 20, 30],
'B': [40, 50, 60],
'C': [70, 80, 90]}
df = pd.DataFrame(data)
print(df)
Maintenant, exécutons ce code pour créer et afficher notre DataFrame.
Trouver les valeurs minimales
Maintenant que nous avons notre DataFrame, utilisons la méthode min() pour trouver les valeurs minimales. Nous pouvons spécifier l'axe soit comme 0 soit comme 1. Lorsque axis = 0, la méthode trouvera les valeurs minimales pour chaque colonne. Lorsque axis = 1, la méthode trouvera les valeurs minimales pour chaque ligne.
## Trouver les valeurs minimales pour chaque colonne
min_values_column = df.min(axis=0)
print("Valeurs minimales pour chaque colonne:")
print(min_values_column)
## Trouver les valeurs minimales pour chaque ligne
min_values_row = df.min(axis=1)
print("\nValeurs minimales pour chaque ligne:")
print(min_values_row)
Exécutons ce code pour trouver les valeurs minimales et afficher les résultats.
Gérer les valeurs nulles
La méthode min() offre également une option pour gérer les valeurs nulles. Par défaut, elle exclut les valeurs nulles lors du calcul du minimum. Cependant, nous pouvons inclure les valeurs nulles en définissant le paramètre skipna sur False.
## Créer un DataFrame avec des valeurs nulles
data = {'A': [10, None, 30],
'B': [40, 50, None],
'C': [70, 80, 90]}
df = pd.DataFrame(data)
print(df)
## Trouver les valeurs minimales y compris les valeurs nulles
min_values = df.min(axis=0, skipna=False)
print("\nValeurs minimales y compris les valeurs nulles:")
print(min_values)
Exécutons ce code pour créer un DataFrame avec des valeurs nulles et trouver les valeurs minimales.
Résumé
Dans ce laboratoire, nous avons appris à utiliser la méthode min() dans un DataFrame Pandas. Nous pouvons trouver les valeurs minimales pour chaque colonne ou chaque ligne en spécifiant l'axe approprié. Nous avons également appris à gérer les valeurs nulles lors de la recherche du minimum. Cette méthode est utile pour analyser et comprendre les valeurs minimales de nos données.