如何逐列识别整个 pandas dataframe 的最小平方值？

Question

我有一个 pandas dataframe 像这样：

column1 | column2  | column3
1       | 4        |   10.4  
4       | 7        |   11.1
3       | 3        |   3.3

我如何计算整个列的平方值的总和（我在循环中尝试像deviation = df[columnName].pow(2).sum()的东西，但是非常欢迎想法？）但后来也确定具有最小总和和实际最小总和的列？

编辑：添加所需的 output

在这种情况下，所需的 output 将是：

Minimum sum of squared values: 26
Column containing minimum sum of squared values: column1

Answer 1

您可以计算整个数据帧的平方和，它返回一个以列名作为索引的系列 object。 然后您可以使用min和idxmin找到最小值和最小索引：

col_squares = df.pow(2).sum()

col_squares
#column1     26.00
#column2     74.00
#column3    242.26
#dtype: float64

col_squares.min(), col_squares.idxmin()
#(26.0, 'column1')

Answer 2

获得相同结果的更简单/易于理解的方法如下

def minimum_square_sum_col(col):
    sums = 0
    for i in col:
        sums += i**2
    return sums
col_to_sum_dict = dict(df.apply(minimum_square_sum_col))
print(col_to_sum_dict)