pandas.DataFrame.clip#
- DataFrame.clip(lower=None, upper=None, axis=None, inplace=False, *args, **kwargs)[源代码]#
修剪输入阈值上的值。
将边界外的值指定给边界值。阈值可以是单值或类似数组，在后一种情况下，裁剪是在指定轴上按元素执行的。
- 参数
- lower浮点型或类似数组，默认为无
最小阈值。所有低于此阈值的值都将设置为该阈值。缺少阈值(例如 NA )不会剪裁该值。
- upper浮点型或类似数组，默认为无
最大阈值。所有高于此阈值的值都将设置为该值。缺少阈值(例如 NA )不会剪裁该值。
- axis整型或字符串轴名称，可选
沿给定轴将对象与下方和上方对齐。
- inplace布尔值，默认为False
是否对数据执行就地操作。
- *args, ** 科瓦格人
其他关键字不起作用，但可能会被接受以与NumPy兼容。
- 退货
- 系列、DataFrame或无
与替换了剪辑边界外的值的调用对象相同的类型，如果
inplace=True。
参见
Series.clip串联修剪输入阈值上的值。
DataFrame.clip在数据帧中修剪输入阈值上的值。
numpy.clip剪裁(限制)数组中的值。
示例
>>> 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数：
>>> 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下限阈值的剪辑，但缺少值：
>>> 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