Python pandas.DataFrame.clip用法及代码示例

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

修剪输入阈值处的值。

将边界外的值分配给边界值。阈值可以是奇异值或类似数组，在后一种情况下，裁剪是在指定轴上按元素执行的。

参数：

lower：浮点数或array-like，默认无

最小阈值。低于此阈值的所有值都将设置为它。缺少的阈值(例如 NA )不会裁剪该值。

upper：浮点数或array-like，默认无

最大阈值。高于此阈值的所有值都将设置为它。缺少的阈值(例如 NA )不会裁剪该值。

axis：int 或 str 轴名称，可选

沿给定轴将对象与上下对齐。

inplace：布尔值，默认为 False

是否对数据执行就地操作。

*args, **kwargs：

附加关键字无效，但可能会被接受以与 numpy 兼容。

Series 或 DataFrame 或 None

与调用对象相同的类型，替换剪辑边界之外的值或 None 如果 inplace=True 。

例子：

>>> data = {'col_0':[9, -3, 0, -1, 5], 'col_1':[-2, -7, 6, 8, -5]}
>>> df = pd.DataFrame(data)
>>> df
   col_0  col_1
0      9     -2
1     -3     -7
2      0      6
3     -1      8
4      5     -5

使用下限和上限阈值的每列剪辑：

>>> df.clip(-4, 6)
   col_0  col_1
0      6     -2
1     -3     -4
2      0      6
3     -1      6
4      5     -4

使用每个列元素的特定下限和上限阈值的剪辑：

>>> t = pd.Series([2, -4, -1, 6, 3])
>>> t
0    2
1   -4
2   -1
3    6
4    3
dtype:int64

>>> df.clip(t, t + 4, axis=0)
   col_0  col_1
0      6      2
1     -3     -4
2      0      3
3      6      8
4      5      3

使用每个列元素的特定较低阈值的剪辑，缺少值：

>>> t = pd.Series([2, -4, np.NaN, 6, 3])
>>> t
0    2.0
1   -4.0
2    NaN
3    6.0
4    3.0
dtype:float64

>>> df.clip(t, axis=0)
col_0  col_1
0      9      2
1     -3     -4
2      0      6
3      6      8
4      5      3

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 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。

用法:

参数：

返回：

例子：