pandas.DataFrame.clip#

DataFrame.clip(lower=None, upper=None, *, axis=None, inplace=False, **kwargs)[源代码]#

在输入阈值处修剪值。

将边界外的值赋值为边界值。阈值可以是单一值或类似数组，在后一种情况下，剪裁是按指定轴逐元素进行的。

参数:

lower浮点数或类似数组的对象，默认无: 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。
upper浮点数或类似数组的对象，默认无: 最大阈值。所有高于此阈值的值都将设置为该阈值。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。
inplace布尔值, 默认为 False: 是否对数据执行就地操作。
**kwargs: 额外的关键字没有效果，但可能被接受以兼容 numpy。

返回:

系列或数据帧或无: 调用对象的相同类型，剪辑边界外的值被替换，如果 inplace=True 则为 None。

参见

Series.clip: 在序列中输入阈值处修剪值。
DataFrame.clip: 在 DataFrame 中输入阈值处修剪值。
numpy.clip: 剪辑（限制）数组中的值。

例子

>>> 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：

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

每个列使用特定的下限和上限阈值的剪辑：

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

每个列元素使用特定下限和上限阈值的剪辑：

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

使用特定较低阈值的列元素剪辑，带有缺失值：

>>> 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
    9.0    2.0
   -3.0   -4.0
    0.0    6.0
    6.0    8.0
    5.0    3.0