Python 计算没有“零”值的熊猫的最小值？

我有以下数据，需要在第一步中查找不带

0.00的行中的
min
值

HOME_48  HOME_24  HOME_12  HOME_03  HOME_01  HOME_00   HOME  
   0.00     1.54     2.02     1.84     1.84     1.84   1.84  
   0.00     1.47     1.76     1.89     2.56     2.56   2.56  
   0.00     2.02     2.50     2.56     1.89     1.92   1.92  

稍后我需要计算
min
和
max
之间的差值，但是如果我使用下面的代码，最终结果是不可接受的

df['HOME_MIN'] = df.loc[:, COL_HOME].min(axis=1)

我不想使用以下技巧：

df = df.replace(0, np.NaN)

因为，有时极值可以等于
0.01
，
0.02
——这些值也不正确

如何添加条件以跳过
0.00
|
0.01
值

注意：需要正确的过滤器

df[df[COL_HOME].min(axis=1) > 0.03].loc[:, COL_HOME].min(axis=1)

您可以使用布尔过滤器排除您不想要的任何内容，如下所示

In [46]: df[df > .01].min(axis=1)
Out[46]: 
0    1.54
1    1.47
2    1.89
dtype: float64

我需要在特定列中查找
min
值，如
df.loc[：，COL\u HOME].min（axis=1）
。如何修改您的示例？您可以在过滤后进行选择，例如，
df[df>.01].loc[：，COL_HOME].min（axis=1）
如您所述添加，
df['HOME_min']=df[df>0.03].loc[：，COL_HOME].min（axis=1）
并努力输出。