dask_expr._collection.Series.clip
dask_expr._collection.Series.clip¶
- Series.clip(lower=None, upper=None, axis=None, **kwargs)[源代码]¶
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 0 6 -2 1 -3 -4 2 0 6 3 -1 6 4 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 0 4 -1 1 -2 -1 2 0 5 3 -1 5 4 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 0 6 2 1 -3 -4 2 0 3 3 6 8 4 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 0 9 2 1 -3 -4 2 0 6 3 6 8 4 5 3