使用Pandas cummin函数结果恒为0的技术求助

我用Pandas的cummin()函数计算close列的累计最小值时，结果始终显示为0，但cummax()可以正常工作。

我的代码：

df = pd.DataFrame(df, columns=['symbol', 'timestamp', 'open', 'high', 'low', 'close', 'volume'])
df["min_Close"] = df.close.shift(fill_value=0).cummin()
df["max_Close"] = df.close.shift(fill_value=0).cummax()
print(df)

原始DataFrame：

symbol      timestamp   open   high    low  close   volume
0   AAVEUSDT  1663186500000  81.70  81.90  81.65  81.80   405.54
1   AAVEUSDT  1663186800000  81.80  81.85  81.70  81.75   233.11
2   AAVEUSDT  1663187100000  81.75  82.05  81.75  81.75   346.30
3   AAVEUSDT  1663187400000  81.75  81.90  81.60  81.90   126.11
4   AAVEUSDT  1663187700000  81.90  81.95  81.70  81.75   260.90
5   AAVEUSDT  1663188000000  81.75  81.75  81.60  81.65   274.26

运行结果：

symbol      timestamp   open   high    low  close   volume  min_Close  max_Close
0   AAVEUSDT  1663186500000  81.70  81.90  81.65  81.80   405.54        0.0       0.00
1   AAVEUSDT  1663186800000  81.80  81.85  81.70  81.75   233.11        0.0      81.80
2   AAVEUSDT  1663187100000  81.75  82.05  81.75  81.75   346.30        0.0      81.80
3   AAVEUSDT  1663187400000  81.75  81.90  81.60  81.90   126.11        0.0      81.80
4   AAVEUSDT  1663187700000  81.90  81.95  81.70  81.75   260.90        0.0      81.90
5   AAVEUSDT  1663188000000  81.75  81.75  81.60  81.65   274.26        0.0      81.90

你在shift()时给第一行填充了0，而0比所有close列的数值都小。cummin()是从第一个值开始累计取最小值，所以后续所有行的累计最小值都会保持0；而cummax()会在遇到比0大的数值时更新，所以能正常显示正确的累计最大值。

根据你的需求，有两种调整方式：

1. 计算截至当前行的所有close的累计最小值（含当前行） #

如果不需要移位，直接计算从第一行开始的累计最小值：

df["min_Close"] = df.close.cummin()
df["max_Close"] = df.close.cummax()

运行后结果：

symbol      timestamp   open   high    low  close   volume  min_Close  max_Close
0   AAVEUSDT  1663186500000  81.70  81.90  81.65  81.80   405.54       81.80      81.80
1   AAVEUSDT  1663186800000  81.80  81.85  81.70  81.75   233.11       81.75      81.80
2   AAVEUSDT  1663187100000  81.75  82.05  81.75  81.75   346.30       81.75      81.80
3   AAVEUSDT  1663187400000  81.75  81.90  81.60  81.90   126.11       81.75      81.90
4   AAVEUSDT  1663187700000  81.90  81.95  81.70  81.75   260.90       81.75      81.90
5   AAVEUSDT  1663188000000  81.75  81.75  81.60  81.65   274.26       81.65      81.90

2. 计算当前行之前所有close的累计最小值（不含当前行） #

如果需要保留移位逻辑，即每一行的min_Close是之前所有行的close最小值，不要用0填充，而是用第一个close值或者NaN再处理：

# 方式一：用第一个close值填充移位后的空值
df["min_Close"] = df.close.shift(fill_value=df.close.iloc[0]).cummin()
df["max_Close"] = df.close.shift(fill_value=df.close.iloc[0]).cummax()

# 方式二：用NaN填充，再手动设置第一行的初始值
df["min_Close"] = df.close.shift().cummin()
df["max_Close"] = df.close.shift().cummax()
df.loc[0, ["min_Close", "max_Close"]] = df.close.iloc[0]

处理后结果：

symbol      timestamp   open   high    low  close   volume  min_Close  max_Close
0   AAVEUSDT  1663186500000  81.70  81.90  81.65  81.80   405.54       81.80      81.80
1   AAVEUSDT  1663186800000  81.80  81.85  81.70  81.75   233.11       81.80      81.80
2   AAVEUSDT  1663187100000  81.75  82.05  81.75  81.75   346.30       81.75      81.80
3   AAVEUSDT  1663187400000  81.75  81.90  81.60  81.90   126.11       81.75      81.80
4   AAVEUSDT  1663187700000  81.90  81.95  81.70  81.75   260.90       81.75      81.90
5   AAVEUSDT  1663188000000  81.75  81.75  81.60  81.65   274.26       81.75      81.90

内容的提问来源于stack exchange，提问作者One boy