dask.dataframe.Index.clip

dask.dataframe.Index.clip¶

Index.clip(lower=None, upper=None, axis=None)¶

在输入阈值处修剪值。

此文档字符串是从 pandas.core.series.Series.clip 复制的。

Dask 版本可能存在一些不一致性。

将超出边界的值赋值为边界值。阈值可以是单一值或类似数组的形式，在后一种情况下，裁剪是沿着指定的轴逐元素进行的。

参数

下限浮点数或类似数组的对象，默认 None: 最小阈值。所有低于此阈值的值都将被设置为该阈值。缺少阈值（例如 NA）将不会裁剪该值。
上部浮点数或类似数组的对象，默认 None: 最大阈值。所有高于此阈值的值都将被设置为该阈值。缺少阈值（例如 NA）将不会裁剪该值。
轴{{0 或 ‘index’, 1 或 ‘columns’, None}}, 默认 None: 沿给定轴对齐对象与下限和上限。对于 Series，此参数未使用并默认为 None。
就地bool, 默认 False (Dask 中不支持): 是否对数据进行原地操作。
*args, **kwargs: 额外的关键词没有效果，但可能为了与numpy兼容而被接受。

返回

序列或数据框或无: 与调用对象类型相同，剪切边界外的值被替换，如果 inplace=True 则为 None。

参见

Series.clip: 在序列中对输入阈值进行值修剪。
DataFrame.clip: 在数据框中修剪输入阈值处的值。
numpy.clip: 剪辑（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

每列使用上下阈值的剪辑数：

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

按列使用特定的下限和上限阈值进行裁剪：

>>> df.clip([-2, -1], [4, 5])  
    col_0  col_1
    4     -1
   -2     -1
    0      5
   -1      5
    4     -1

按列元素使用特定的下限和上限进行裁剪：

>>> 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
    6      2
   -3     -4
    0      3
    6      8
    5      3

按列元素使用特定的较低阈值进行剪辑，处理缺失值：

>>> 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
    9      2
   -3     -4
    0      6
    6      8
    5      3

dask.dataframe.Index.clear_divisions

dask.dataframe.Index.compute