Python | Pandas data frame . clip _ upper()
原文:https://www . geesforgeks . org/python-pandas-data frame-clip _ upper/
Python 是进行数据分析的优秀语言，主要是因为以数据为中心的 python 包的奇妙生态系统。 【熊猫】 就是其中一个包，让导入和分析数据变得容易多了。
熊猫 **dataframe.clip_upper()**用于在指定的输入阈值下修剪值。我们使用此函数将输入值阈值以上的所有值修剪为指定的输入值。
语法: DataFrame.clip_upper(阈值，轴=无，在位=假)
参数: 阈值: float 或 array_like
float:将每个值与阈值进行比较。array-like:阈值的形状应该与它所比较的对象相匹配。当自我是一个系列，阈值应该是长度。当 self 是一个数据帧时，阈值应该是二维的，并且与 self 的形状相同(轴=无)，或者是一维的，并且与被比较的轴的长度相同。 轴:沿给定轴将对象与阈值对齐。 到位:是否对数据执行到位操作。返回:剪裁:与输入类型相同
示例#1: 使用clip_upper()功能将数据帧的值修剪到给定阈值以上。
# 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 8 到 8 以上的值全部修剪掉。
# Clip all values below 2
df.clip_upper(8)
输出:
示例 2: 使用clip_upper()函数将数据帧中的值与数据帧中每个单元格的特定值进行剪辑。
为此，我们可以使用 numpy 数组，但数组的形状必须与数据框的形状相同。
# 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
现在对数据帧应用这些限制。
# applying different limit value
# for each cell in the dataframe
df.clip_upper(limit)
输出:
每个单元格值都已根据应用的相应上限进行了调整。
版权属于：月萌API www.moonapi.com，转载请注明出处
