原文地址：https://www.jianshu.com/p/f21f01a92521
1. 缘起
pandas 里面的 idxmin 和 argmin 看起来比较陌生，便本着每日一 Py 的原则想搞搞清楚。idxmax 和 argmax 类似，不过今天题图的美女胸比较 mini，便只看 min 吧。max 函数同理。
2. Series 分析
2.1 Series.argmin 分析
先从 Series 看起。从 Series 文档里面可以看出，Series 的 argmin 等于 numpy 的 ndarray.argmin 的 Series 版，作用是用来找出第一个最小值的 index。既然返回的是 Series 的 index，那数据类型应该也是匹配的。
测试代码如下
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(10).reshape(2,5),columns=list('abcde')) print(df) a b c d e 0 0.045384 0.484123 1.112115 0.037907 0.152338 1 0.151654 -0.056504 1.918992 1.057143 0.081632 分别测试一下列 Series 和行 Series。
a = df.a
print('a is') print(a) print('argmin of column a is %s.' % a.argmin()) print('*'*20) A = df.loc[1] print('A is ') print(A) print('argmin of row2 is %s.' % A.argmin()) a is 0 0.045384 1 0.151654 Name: a, dtype: float64 argmin of column a is 0. ******************** A is a 0.151654 b -0.056504 c 1.918992 d 1.057143 e 0.081632 Name: 1, dtype: float64 argmin of row2 is b. 与我们预想的一致，返回了 index。
2.2 Series.idxmin 分析
本来寻思也用类似的方法看看 idxmin，结果在文档页赫然发现和 argmin 完全一样的介绍
This method is the Series version of ndarray.argmin.
我有点蒙，这不完全一样的功能么，为什么又两个方法？琢磨了一下，貌似可以尝试看看源代码。这就是开源的好处吧。
结果思路对了就省事儿多了。argmin 和 idxmin 的源代码链接都指向一个链接，idxmin 的源码。而且在源码后面明明确确的写着：
# ndarray compat argmin = idxmin argmax = idxmax 吼吼，别名而已！
3. DataFrame.idxmin 分析
DataFrame 没有 argmin 方法，只有 idxmin。我琢磨着之所以 Series 有两个一样的函数，应该是作者为了和 numpy 保持兼容吧，而他自己更倾向于用 idxmin。
既然用 pandas，还是保持 pandas 一致吧，以后都用 idxmin。这个函数可以指定不同的轴来返回不同 Series 的最小值，代码如下
print(df.idxmin(axis=0)) print('*'*30) print(df.idxmin(axis=1)) a 0
b 1
c 0
d 0
e 1
dtype: int64
******************************
0 d
1 b
dtype: object
4. 总结
今天讨论了一下 pandas 里面的 argmin / idxmin 函数。对于 Series 来说，这两个其实是一个函数的两个不同名字，从源代码里面可以看出来；对于 DataFrame，则干脆没有 argmin，只有 idxmin。
所以为了保持一致性，以后可以都统一用 idxmin。这个函数可以返回当前对象第一个出现最小值的索引。
作者：张利东
链接：https://www.jianshu.com/p/f21f01a92521
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。