Python Min() across dataframe columns with columns dtype as period['M']

Question

我试图找出跨列的最小（非缺失）值，并且列的 dtype 为 .period['M']。我使用的代码如下： df[['p1','p2','p3']].min(axis=1) ，但结果不如预期。

输入数据帧：

p1 p2 p3
NaT NaT '2019-10'
NaT '2018-04' '2019-01'
NaT '2019-10' '2019-11'
'2017-01' '2018-12' '2016-12'

期望的输出：

p1 p2 p3 min_p
NaT NaT '2019-10' '2019-10'
NaT '2018-04' '2019-01' '2018-04'
NaT '2019-10' '2019-11' '2019-10'
'2017-01' NaT '2016-12' '2016-12'

生成Dataframe的DDL：

df = pd.DataFrame({'p1': ['','','2019-10'],
                 'p2': ['','2018-04','2019-01'],
                 'p3': ['2017-01','','2016-12']})
df['p1'] = pd.PeriodIndex(pd.to_datetime(df['p1'],format='%Y-%m'),freq='M')
df['p2'] = pd.PeriodIndex(pd.to_datetime(df['p2'],format='%Y-%m'),freq='M')
df['p3'] = pd.PeriodIndex(pd.to_datetime(df['p3'],format='%Y-%m'),freq='M')

我试过：

df['min_p'] = df[['p1','p2','p3']].min(axis=1,skipna=True)

我得到的结果是（为什么 skina 不起作用？？？）： min_p 信息信息 2016-12

Pandas版本：'1.0.1'

谢谢！

Answer 1

它看起来像错误，可能的解决方案是 DataFrame.stack 删除 NaNs 并重塑和每个第一级 min（原始索引值）：

df['min_p'] = df[['p1','p2','p3']].stack().min(level=0)
print (df)
        p1       p2       p3    min_p
0      NaT      NaT  2017-01  2017-01
1      NaT  2018-04      NaT  2018-04
2  2019-10  2019-01  2016-12  2016-12

Python Min() across dataframe columns with columns dtype as period['M']

Python Min() across dataframe columns with columns dtype as period['M']

python

min

pandas