原文地址：https://www.jianshu.com/p/f21f01a92521

1. 緣起

pandas 裡面的 idxmin 和 argmin 看起來比較陌生，便本著每日一 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 函式同理。

2. Series 分析

2.1 Series.argmin 分析

先從 Series 看起。從 Series 文件裡面可以看出，Series 的 argmin 等於 numpy 的 ndarray.argmin 的 Series 版

測試程式碼如下

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，結果在文件頁赫然發現和 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麼，為什麼又兩個方法？琢磨了一下，貌似可以嘗試看看原始碼。這就是開源的好處吧。

結果思路對了就省事兒多了。argmin 和 idxmin 的原始碼連結都指向一個連結，idxmin 的原始碼。而且在原始碼後面明明確確的寫著：

# 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。我琢磨著之所以 Series 有兩個一樣的函式，應該是作者為了和 numpy 保持相容吧，而他自己更傾向於用 idxmin。

既然用 pandas，還是保持 pandas 一致吧，以後都用 idxmin。這個函式可以指定不同的軸來返回不同 Series 的最小值，程式碼如下

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 裡面的 argmin / idxmin 函式。對於 Series 來說，這兩個其實是一個函式的兩個不同名字，從原始碼裡面可以看出來；對於 DataFrame，則乾脆沒有 argmin，只有 idxmin。

所以為了保持一致性，以後可以都統一用 idxmin。這個函式可以返回當前物件第一個出現最小值的索引。