Python Pandas dataframe.clip()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas dataframe.clip()用于在指定的输入阈值处修整值。我们可以使用此函数为数据单元格中任何单元格可以具有的值设置下限和上限。

用法： DataFrame.clip(lower=None, upper=None, axis=None, inplace=False, *args, **kwargs)

参数：
lower:最小阈值。低于此阈值的所有值都将被设置为该值。
upper:最大阈值。高于此阈值的所有值都将被设置为该值。
axis:沿给定轴上下对齐对象。
inplace:是否对数据执行适当的操作。
* args，** kwargs：其他关键字无效，但可以接受与numpy的兼容性。

范例1：采用clip()用于将数据帧的值修整为低于和高于给定阈值的函数。

# importing pandas as pd 
import pandas as pd 
  
# Creating a dataframe using dictionary 
df = pd.DataFrame({"A":[-5, 8, 12, -9, 5, 3], 
                   "B":[-1, -4, 6, 4, 11, 3], 
                   "C":[11, 4, -8, 7, 3, -2]}) 
  
# Printing the data frame for visualization 
df

现在，修剪所有低于-4到-4的值以及所有高于9到9的值。in-between值-4和9保持不变。

# Clip in range (-4, 9) 
df.clip(-4, 9)

输出：

注意， DataFrame 中没有任何大于9且小于-4的值

范例2：采用clip()函数可使用 DataFrame 中每个列元素的特定上下阈值进行剪辑。

# importing pandas as pd 
import pandas as pd 
  
# Creating a dataframe using dictionary 
  
df = pd.DataFrame({"A":[-5, 8, 12, -9, 5, 3], 
                   "B":[-1, -4, 6, 4, 11, 3], 
                   "C":[11, 4, -8, 7, 3, -2]}) 
  
# Printing the dataframe 
df

什么时候axis=0，则该值将被剪切到各行中。我们将为所有列元素提供上限和下限阈值(即等于行数)

创建一个系列以存储每个列元素的上下阈值。

# lower limit for each individual column element. 
lower_limit = pd.Series([1, -3, 2, 3, -2, -1]) 
  
# upper limit for each individual column element. 
upper_limit = lower_limit + 5
  
# Print lower_limit 
lower_limit 
  
# Print upper_limit 
upper_limit

输出：

现在，我们要将这些限制应用于 DataFrame 。

# applying different limit value for each column element 
df.clip(lower_limit, upper_limit, axis = 0)

输出：

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas dataframe.clip()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。