Python pandas.DataFrame.clip用法及代碼示例

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

修剪輸入閾值處的值。

將邊界外的值分配給邊界值。閾值可以是奇異值或類似數組，在後一種情況下，裁剪是在指定軸上按元素執行的。

參數：

lower：浮點數或array-like，默認無

最小閾值。低於此閾值的所有值都將設置為它。缺少的閾值(例如 NA )不會裁剪該值。

upper：浮點數或array-like，默認無

最大閾值。高於此閾值的所有值都將設置為它。缺少的閾值(例如 NA )不會裁剪該值。

axis：int 或 str 軸名稱，可選

沿給定軸將對象與上下對齊。

inplace：布爾值，默認為 False

是否對數據執行就地操作。

*args, **kwargs：

附加關鍵字無效，但可能會被接受以與 numpy 兼容。

Series 或 DataFrame 或 None

與調用對象相同的類型，替換剪輯邊界之外的值或 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

使用下限和上限閾值的每列剪輯：

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

使用每個列元素的特定下限和上限閾值的剪輯：

>>> 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

使用每個列元素的特定較低閾值的剪輯，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

相關用法

注：本文由純淨天空篩選整理自pandas.pydata.org大神的英文原創作品 pandas.DataFrame.clip。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。

用法:

參數：

返回：

例子：