Python Pandas dataframe.clip_upper()用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

Pandas dataframe.clip_upper()用於在指定的輸入閾值處修整值。我們使用此函數將高於輸入值閾值的所有值修整為指定的輸入值。

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

參數：
threshold:浮點數或數組
float ：將每個值與閾值進行比較。
array-like ：閾值的形狀應與被比較的對象匹配。當self為Series時，閾值應為長度。當self是DataFrame時，閾值應為2-D，並且對於axis = None，其形狀應與self相同，或者為1-D，且長度與要比較的軸相同。
axis:沿給定軸將對象與閾值對齊。
inplace:是否對數據執行適當的操作。

返回：剪切：與輸入類型相同

範例1：采用clip_upper()用於將數據幀的值修整到給定閾值以上的函數。

# 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

現在，將所有大於8的值修剪為8。

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

輸出：

範例2：采用clip_upper()用於將 DataFrame 中的值裁剪為該 DataFrame 中每個單元格具有特定值的函數。

為此，我們可以使用numpy數組，但是數組的形狀必須與 DataFrame 的形狀相同。

# 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

現在將這些限製應用於 DataFrame 。

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

輸出：

每個單元格值均已根據所應用的相應上限進行修整。

相關用法

注：本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas dataframe.clip_upper()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。