Trouver la valeur minimale dans chaque colonne avec leur index

Question

Je me demande s'il existe une méthode que je peux utiliser pour obtenir la valeur minimale dans chaque colonne avec son identifiant d'index sans utiliser la méthode d'agrégation (df.agg (['min' , 'idmin']). T) pour ce code? !!

dates = pd.date_range('20130101', periods=6) 
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD')) 

Answer 1

Construire une trame de données à partir de zéro:

pd.DataFrame({'min': df.min(), 'idxmin': df.idxmin()}) 

     min  idxmin 
A -1.106929 2013-01-03 
B -0.642583 2013-01-06 
C -1.350638 2013-01-04 
D -0.213750 2013-01-06 

ou concat les deux séries:

pd.concat((df.min(), df.idxmin()), axis=1).rename(columns={0: 'min', 1: 'idxmin'}) 
Out: 
     min  idxmin 
A -1.106929 2013-01-03 
B -0.642583 2013-01-06 
C -1.350638 2013-01-04 
D -0.213750 2013-01-06 

Answer 2

dates = pd.date_range('20130101', periods=6) 
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD')) 

def minVal(x): 
    return pd.Series(index=['min','idx'],data=[x.min(),x.idxmin()]) 

x = df.apply(minVal) 

print(x) 

      A     B      C     D 
min -0.743023394642  -1.05144770539  -2.1311363065  -1.02142276427 
idx 2013-01-05 00:00:00 2013-01-04 00:00:00 2013-01-03 00:00:00 2013-01-06 00:00:00 

Vous pouvez également faire une Transposer de x pour obtenir l'essentiel des données.

print(x.T) 

     min   idx 
A -0.657701 2013-01-05 00:00:00 
B -1.37038 2013-01-03 00:00:00 
C -1.93103 2013-01-03 00:00:00 
D -1.49314 2013-01-05 00:00:00