min(axis=1, numeric_only=True) 的作用

min(axis=1, numeric_only=True) 的作用

在 pandas DataFrame 中，某些情况下，数据可能包含 数值列 和 非数值列（如字符串列） 。如果直接使用 min(axis=1)，pandas 可能会尝试对 所有列 进行计算，导致 错误 或 意外行为。

numeric_only=True 选项的作用是：
✅ 忽略非数值列，确保 min() 仅对 数值列 计算，避免错误。

---

🔹 举例 1：含有字符串列，未指定 numeric_only=True

import pandas as pd

# 创建 DataFrame，包含数值和字符串列
df = pd.DataFrame({
    'modelCode': ['A1', 'A2', 'A3'],
    'price1': [100, 200, 150],
    'price2': [90, 220, 130],
    'channel': ['京东', '天猫', '淘宝']  # 非数值列
})

# 直接使用 min(axis=1) 会报错
df["min_price"] = df.min(axis=1)

❌ 结果（报错）

TypeError: '<=' not supported between instances of 'int' and 'str'

🔍 解释：

• min(axis=1) 默认会尝试计算所有列，包括 modelCode 和 channel（字符串列）。
• 由于 数值和字符串不能比较，导致 TypeError。

---

🔹 举例 2：使用 numeric_only=True

df["min_price"] = df.min(axis=1, numeric_only=True)
print(df)

✅ 结果

modelCode	price1	price2	channel	min_price
A1	100	90	京东	90
A2	200	220	天猫	200
A3	150	130	淘宝	130

🔍 解释：

• numeric_only=True 自动忽略 了 modelCode 和 channel （非数值列） ，只在 price1 和 price2 上计算 min()。

---

🔹 举例 3：max 和 min 计算

df["max_price"] = df.max(axis=1, numeric_only=True)
df["price_range"] = df["max_price"] - df["min_price"]
print(df)

✅ 结果

modelCode	price1	price2	channel	min_price	max_price	price_range
A1	100	90	京东	90	100	10
A2	200	220	天猫	200	220	20
A3	150	130	淘宝	130	150	20

🔍 解释：

• min_price = min(axis=1, numeric_only=True) 计算最小值（仅数值列）。
• max_price = max(axis=1, numeric_only=True) 计算最大值（仅数值列）。
• price_range = max_price - min_price，计算 price1 和 price2 的差值。

---

📌 总结

方法	是否忽略非数值列	会报错？
min(axis=1)	❌ 不会（尝试计算所有列）	可能会报错（如果有字符串列）
min(axis=1, numeric_only=True)	✅ 会忽略非数值列	不会报错，结果正确

✅ 最佳实践：如果 DataFrame 里有 非数值列，计算 min()、max() 时 务必加上 numeric_only=True 以避免错误。