Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.clip_upper方法的使用。

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

修剪高于给定阈值的值。

自版本0.24.0后不推荐使用:改为使用clip(upper = threshold)。

阈值以上的元素将更改为与阈值匹配 。阈值可以是单个值或数组,在后一种情况下,它执行截断元素。

参数

threshold  : 数字或类似数组

允许的最大值。超过阈值的所有值都将设置为此值。

float:将每个值与阈值进行比较。

array-like:阈值的形状应与它所比较的​​对象相匹配。

当self是一个系列时,阈值应该是长度。

当自我是一个数据帧,阈值应在2-d和相同的形状,

自对axis=None,或1-d和相同的长度轴线被比较。

axis : {0或'index',1或'columns'},默认为0

沿给定轴将对象与阈值对齐。

inplace : 布尔值,默认为False

是否对数据执行操作。

版本0.21.0中的新功能。

返回

SeriesDataFrame

修剪了值的原始数据。

例子

>>> s = pd.Series([1, 2, 3, 4, 5])
>>> s
0 1
1 2
2 3
3 4
4 5
dtype: int64
>>> s.clip(upper=3)
0 1
1 2
2 3
3 3
4 3
dtype: int64
>>> elemwise_thresholds = [5, 4, 3, 2, 1]
>>> elemwise_thresholds
[5, 4, 3, 2, 1]
>>> s.clip(upper=elemwise_thresholds)
0 1
1 2
2 3
3 2
4 1
dtype: int64

相关文档Python pandas.DataFrame.clip函数方法的使用

推荐文档

相关文档

大家感兴趣的内容

随机列表