如何获取Pandas Series的最小值索引？argmin传参报错原因解析

1. Pandas Series 获取最小值对应索引的正确方法 #

日常开发中常用的合规写法有两种，适配不同的定位需求：

• 调用Series自带的idxmin()方法：该方法会自动跳过空值，直接返回最小值对应的行索引标签，是Pandas官方推荐的Series取值接口，和你代码中写的df['Price'].idxmin()逻辑完全一致，拿到索引标签后可以直接配合loc、iloc做其他字段的行定位。
• 借助numpy接口实现：如果习惯用numpy的数值计算逻辑，可以调用np.nanargmin(series)，该方法返回最小值对应的整数位置序号，需要配合iloc做位置定位，也就是你之前注释掉的两行代码的实现逻辑。

2. argmin() takes 1 positional argument but 2 were given 报错的原因与修正方案 #

报错根源 #

这个报错完全是版本适配差异导致的：

• 旧版Pandas中，Series对象的argmin()方法对齐numpy数组的设计，支持传入axis参数；但在Pandas 2.0及之后的版本中，一维Series本身不存在多轴的维度问题，argmin()方法做了精简，不再接收axis这类额外参数。当你在新版本中沿用老写法，给对象的argmin()方法传入axis参数时，就会因为接收到的位置参数数量和方法定义不匹配，触发这个TypeError。
  补充说明：如果链式调用取值时拿到了纯Python标量值，这类值的argmin()方法本身就不支持任何传入参数，传axis也会触发同类报错。

修正方案 #

根据你的调用场景选择对应写法即可：

• 针对一维Series找最小值索引：不要用带axis参数的argmin()写法，优先用idxmin()拿索引标签；如果需要整数位置的索引，就把Series转成numpy数组再调用argmin，比如df['Price'].to_numpy().argmin()，numpy数组的argmin完全支持传入axis参数，兼容旧的调用习惯。
• 针对二维DataFrame找跨行/跨列的最小值索引：直接调用DataFrame自带的idxmin(axis=xxx)方法即可，不需要手动调用底层的argmin方法，该方法原生支持轴参数配置，是官方推荐的二维场景接口。

现有代码的冗余优化 #

你当前逐字段取值的写法可以简化，拿到最小值对应的索引后直接提取整行数据即可，示例代码：

# 先拿到最小值对应的行索引
min_price_idx = df['Price'].idxmin()
# 直接提取整行数据
min_row_info = df.loc[min_price_idx]
# 拼接输出
print(
    f"If you are looking for a cheap accommodation, "
    f"a {min_row_info['Area']} m² apartment for {min_row_info['Price']} PLN is available in {min_row_info['City']}"
)

以上逻辑已经覆盖你当前代码涉及的所有调用场景，两种取索引的方法在空值处理上都能适配你Price列int64类型的数值特征。

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