Python Pandas dataframe.clip_lower()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_lower()用于在指定的输入阈值处修整值。我们使用此函数将所有值修整到输入值的阈值以下。

用法： DataFrame.clip_lower(threshold, axis=None, inplace=False)

参数：
threshold:数字或array-like
float ：将每个值与阈值进行比较。
array-like：阈值的形状应与被比较的对象匹配。当self为Series时，阈值应为长度。当self是DataFrame时，阈值应为2-D，并且对于axis = None，其形状应与self相同，或者为1-D，且长度与要比较的轴相同。
axis:沿给定轴将自身与阈值对齐。
inplace:是否对数据执行适当的操作。

返回：剪切：与输入类型相同

范例1：采用clip_lower()用于将数据帧的值修整到给定阈值以下的函数。

# 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

现在将所有低于2的值修剪为2。

# Clip all values below 2 
df.clip_lower(2)

输出：

范例2：采用clip_lower()用于将 DataFrame 中的值裁剪为该 DataFrame 中每个单元格具有特定值的函数。

为此，我们可以使用numpy数组，但是数组的形状必须与 DataFrame 的形状相同。

# 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]}) 
  
# lower limit for each individual column element. 
limit = np.array([[1, 2, 3], [10, 12, 3], [1, 4, 3], 
                  [1, 2, 3], [1, 2, 3], [1, 2, 3]]) 
  
# Print lower_limit 
limit

现在将这些限制应用于 DataFrame

# applying different limit value  
# for each cell in the dataframe 
df.clip_lower(limit)

输出：

每个单元格值均已根据所应用的相应下限进行了修剪。

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_lower()。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。