Нахождение наименьшего числа в наборах данных Python

Расширенные примеры демонстрируют гибкость применения различных методов поиска минимума в Python.

Пример 1. Использование min() с ключом-функцией для объектов пользовательского класса

class Student:
    def __init__(self, name, grade):
        self.name = name
        self.grade = grade
    def __repr__(self):
        return f'Student({self.name}, {self.grade})'

students = [Student('Анна', 4.8), Student('Борис', 4.2), Student('Вера', 4.9)]
best_student = min(students, key=lambda s: s.grade)
print(best_student)  # Student(Борис, 4.2)

Результат: Student(Борис, 4.2)

Пример 2. Поиск минимального элемента в генераторе

gen = (x**2 for x in range(10, 0, -1))
smallest = min(gen)
print(smallest)  # 1 (1**2)

Генератор не хранит все значения в памяти, что эффективно при больших объёмах данных.

Пример 3. Обработка строк с учётом длины (минимальная строка)

words = ['апельсин', 'арбуз', 'ананас', 'вишня']
shortest = min(words, key=len)
print(shortest)  # арбуз (длина 5)

Пример 4. Минимальное значение в двумерном списке (списке списков) с преобразованием

matrix = [[10, 20], [5, 25], [15, 30]]
# Найти минимальный элемент во всей матрице
min_val = min(min(row) for row in matrix)
print(min_val)  # 5

Пример 5. Использование itertools.chain для объединения нескольких коллекций

import itertools

list1 = [3, 8, 1]
list2 = [6, 0, 9]
list3 = [2, 5, 4]
smallest = min(itertools.chain(list1, list2, list3))
print(smallest)  # 0

Пример 6. Поиск минимума с игнорированием None (предварительная фильтрация)

data = [10, None, 5, None, 3]
filtered = (x for x in data if x is not None)
smallest = min(filtered, default=None)
print(smallest)  # 3

Пример 7. Сравнение производительности разных методов

import timeit
import random

numbers = random.sample(range(10**6), 100000)

# Встроенный min
time_min = timeit.timeit('min(numbers)', globals=locals(), number=100)
print(f'min(): {time_min:.5f} сек')

# Ручной цикл
def manual_min(data):
    m = data[0]
    for x in data[1:]:
        if x < m:
            m = x
    return m
time_manual = timeit.timeit('manual_min(numbers)', globals=locals(), number=100)
print(f'ручной цикл: {time_manual:.5f} сек')

# sorted()[0]
time_sorted = timeit.timeit('sorted(numbers)[0]', globals=locals(), number=100)
print(f'sorted(): {time_sorted:.5f} сек')

# heapq.nsmallest(1, ...)[0]
import heapq
time_heap = timeit.timeit('heapq.nsmallest(1, numbers)[0]', globals=locals(), number=100)
print(f'heapq: {time_heap:.5f} сек')

Примерный результат (зависит от платформы):

min(): 0.01234 сек
ручной цикл: 0.01456 сек
sorted(): 0.45678 сек
heapq: 0.02345 сек

Пример 8. Обработка дат и времени

from datetime import datetime, date

dates = [date(2024, 5, 10), date(2023, 12, 1), date(2025, 1, 15)]
earliest = min(dates)
print(earliest)  # 2023-12-01

Пример 9. Поиск минимального элемента в списке кортежей по второму элементу

pairs = [(1, 7), (2, 3), (3, 5)]
min_pair = min(pairs, key=lambda p: p[1])
print(min_pair)  # (2, 3)

Пример 10. Минимальное значение с использованием модуля statistics (для числовых данных)

import statistics

data = [4.5, 2.1, 9.8, 3.3]
# statistics.median, mean есть, но min можно взять через min(),
# однако statistics не содержит функции min.
# Пример показан для иллюстрации, что лучше использовать min() напрямую.
print(min(data))  # 2.1