关于Pandas版本： 本文基于 pandas2.2.0 编写。
关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。
传送门： Pandas API参考目录
传送门： Pandas 版本更新及新特性
传送门： Pandas 由浅入深系列教程
本节目录
- Pandas.Series.idxmin()
- 语法：
- 返回值：
- 参数说明：
- axis 指定查找方向（行或列）
- skipna 是否排除 [缺失值](https://shuxiangxian.blog.csdn.net/article/details/134620311)
- ***args,** ***kwargs**
- 相关方法：
- 示例：
- 示例1：缺失值对计算结果的影响
- 示例1-1、构建演示数据
- 示例1-2、观察排除缺失值(保持默认)时，每列的最小值位置
- 示例1-3、不排除缺失值
Pandas.Series.idxmin()
Series.idxmin 用于返回最小值第一次出现位置的行索引。
语法：
Series.idxmin(*axis=0, skipna=True, *args, *kwargs)
返回值：
-
Series
返回值是最小值在
Series的行索引
参数说明：
axis 指定查找方向（行或列）
axis:{0 or ‘index’}
axis 参数对 Series 无效。
skipna 是否排除 缺失值
skipna:bool, default True
skipna 参数用于控制是否排除缺失值，默认 skipna=Ture 表示排除缺失值：
- True 排除缺失值。
- False 不排除缺失值。
⚠️ 注意 :
不建议设置为
skipna=False。因为一旦Series出现缺失值，将只会返回nan。 例1-3
*args, *kwargs
为了保持和 Numpy 兼容而保留的参数。一般不需要传值。
相关方法：
➡️ 相关方法
DataFrame.idxmin
最小值索引
示例：
测试文件下载：
本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。
若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。
示例1：缺失值对计算结果的影响
示例1-1、构建演示数据
import pandas as pd
import numpy as np
s = pd.Series([np.NaN, 103.11, 55.48],
index=["第一行", "第二行", "第三行"],
)
s
第一行 NaN
第二行 103.11
第三行 55.48
dtype: float64
示例1-2、观察排除缺失值(保持默认)时，每列的最小值位置
s.idxmin()
'第三行'
示例1-3、不排除缺失值
s.idxmin(skipna=False)
C:\Users\Administrator\AppData\Local\Temp\ipykernel_611464\1952275141.py:1: FutureWarning: The behavior of Series.idxmin with all-NA values, or any-NA and skipna=False, is deprecated. In a future version this will raise ValueError
s.idxmin(skipna=False)
nan
