Python Pandas dataframe.clip_upper()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_upper()用于在指定的输入阈值处修整值。我们使用此函数将高于输入值阈值的所有值修整为指定的输入值。

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

参数：
threshold:浮点数或数组
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:沿给定轴将对象与阈值对齐。
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_upper()用于将数据帧的值修整到给定阈值以上的函数。

# 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，将所有大于8的值修剪为8。

# Clip all values below 2 
df.clip_upper(8)

输出：

范例2：采用clip_upper()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]}) 
  
# upper limit for each individual column element. 
limit = np.array([[10, 2, 8], [3, 5, 3], [2, 4, 6], 
                  [11, 2, 3], [5, 2, 3], [4, 5, 3]]) 
  
# Print upper_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_upper(limit)

输出：

每个单元格值均已根据所应用的相应上限进行修整。

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_upper()。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。