Python|熊猫 dataframe.clip_upper()

Python是一种用于进行数据分析的出色语言，主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一，它使导入和分析数据变得更加容易。

Pandas dataframe.clip_upper()用于修剪指定输入阈值处的值。我们使用此函数将所有高于输入值阈值的值修剪为指定的输入值。

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

Parameters:
threshold : float or array_like
float : every value is compared to threshold.
array-like : The shape of threshold should match the object it’s compared to. When self is a Series, threshold should be the length. When self is a DataFrame, threshold should 2-D and the same shape as self for axis=None, or 1-D and the same length as the axis being compared.
axis : Align object with threshold along the given axis.
inplace : Whether to perform the operation in place on the data.

Returns: clipped : same type as input

编程需要懂一点英语

示例 #1：使用clip_upper()函数修剪高于给定阈值的数据帧的值。

# 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

现在将所有高于 8 的值修剪为 8。

# 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剪辑为数据帧的每个单元格的特定值。

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

现在对数据框应用这些限制。

# 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修剪。