原文地址：https://www.jianshu.com/p/f21f01a92521
1. 緣起
pandas 里面的 idxmin 和 argmin 看起來比較陌生，便本着每日一 Py 的原則想搞搞清楚。idxmax 和 argmax 類似，不過今天題圖的美女胸比較 mini，便只看 min 吧。max 函數同理。
2. Series 分析
2.1 Series.argmin 分析
先從 Series 看起。從 Series 文檔里面可以看出，Series 的 argmin 等於 numpy 的 ndarray.argmin 的 Series 版，作用是用來找出第一個最小值的 index。既然返回的是 Series 的 index，那數據類型應該也是匹配的。
測試代碼如下
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 分別測試一下列 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. 與我們預想的一致，返回了 index。
2.2 Series.idxmin 分析
本來尋思也用類似的方法看看 idxmin，結果在文檔頁赫然發現和 argmin 完全一樣的介紹
This method is the Series version of ndarray.argmin.
我有點蒙，這不完全一樣的功能么，為什么又兩個方法？琢磨了一下，貌似可以嘗試看看源代碼。這就是開源的好處吧。
結果思路對了就省事兒多了。argmin 和 idxmin 的源代碼鏈接都指向一個鏈接，idxmin 的源碼。而且在源碼后面明明確確的寫着：
# ndarray compat argmin = idxmin argmax = idxmax 吼吼，別名而已！
3. DataFrame.idxmin 分析
DataFrame 沒有 argmin 方法，只有 idxmin。我琢磨着之所以 Series 有兩個一樣的函數，應該是作者為了和 numpy 保持兼容吧，而他自己更傾向於用 idxmin。
既然用 pandas，還是保持 pandas 一致吧，以后都用 idxmin。這個函數可以指定不同的軸來返回不同 Series 的最小值，代碼如下
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. 總結
今天討論了一下 pandas 里面的 argmin / idxmin 函數。對於 Series 來說，這兩個其實是一個函數的兩個不同名字，從源代碼里面可以看出來；對於 DataFrame，則干脆沒有 argmin，只有 idxmin。
所以為了保持一致性，以后可以都統一用 idxmin。這個函數可以返回當前對象第一個出現最小值的索引。
作者：張利東
鏈接：https://www.jianshu.com/p/f21f01a92521
來源：簡書
簡書著作權歸作者所有，任何形式的轉載都請聯系作者獲得授權並注明出處。