如何对15分钟频率索引的DataFrame按月重采样并计算非零最小值？

你可以通过两种方式实现排除0值的月度最小值计算：

方法一：将0替换为NaN后调用内置min（推荐，效率更高） #

Pandas的min()方法会自动忽略NaN值，所以先把Value列中的0替换为缺失值，再做重采样计算即可：

import pandas as pd

# 先替换0为缺失值
df['Value'] = df['Value'].replace(0, pd.NA)
# 按月度重采样并取最小值
df_min = df.resample('1M')['Value'].min()

方法二：用apply自定义过滤逻辑 #

如果需要更灵活的过滤规则，可以在重采样时用apply传入自定义函数，先过滤掉大于0的值再取最小：

# 过滤0值后取最小，若组内无有效值则返回NaN
df_min = df.resample('1M')['Value'].apply(lambda x: x[x > 0].min() if not x[x > 0].empty else pd.NA)

效果验证 #

针对你给出的示例数据：

两种方法都会得到2019年9月的最小值为1.05，符合你排除0值的需求。

注意：如果某一月份的所有Value都是0，两种方法都会返回NaN，避免出现无有效数据时的报错问题。

内容的提问来源于stack exchange，提问作者ALbertittor