Python Pandas dataframe.clip_lower()
Python是一种进行数据分析的伟大语言,主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个,它使导入和分析数据变得更加容易。
Pandas dataframe.clip_lower()用于修剪指定输入阈值的数值。我们用这个函数来修剪所有低于输入值阈值的数值。
语法: DataFrame.clip_lower(threshold, axis=None, inplace=False)
参数:
threshold:数字或数组形式
float:每个值都与阈值进行比较。
阵列式:阈值的形状应该与它所比较的对象相匹配。当自己是一个系列时,阈值应该是长度。当自己是一个数据框架时,阈值应该是2-D的,并且在axis=None时与自己的形状相同,或者是1-D的,并且与被比较的axis的长度相同。
axis:沿给定的axis线将自己与阈值对齐。
inplace :是否对数据进行就地操作。
返回:剪下的:与输入的类型相同
例子#1:使用clip_lower()函数来修剪数据帧中低于给定阈值的数值。
# importing pandas as pd
import pandas as pd
# Creating a dataframe using dictionary
df = pd.DataFrame({"A":[-5, 8, 12, -9, 5, 3],
"B":[-1, -4, 6, 4, 11, 3],
"C":[11, 4, -8, 7, 3, -2]})
# Printing the data frame for visualization
df
现在将所有低于2的数值修剪成2。
# Clip all values below 2
df.clip_lower(2)
输出 :
示例#2:使用clip_lower()函数在数据框中为数据框的每个单元格夹取特定值。
为此,我们可以使用一个numpy数组,但数组的形状必须与数据帧的形状相同。
# importing pandas as pd
import pandas as pd
# Creating a dataframe using dictionary
df = pd.DataFrame({"A":[-5, 8, 12, -9, 5, 3],
"B":[-1, -4, 6, 4, 11, 3],
"C":[11, 4, -8, 7, 3, -2]})
# lower limit for each individual column element.
limit = np.array([[1, 2, 3], [10, 12, 3], [1, 4, 3],
[1, 2, 3], [1, 2, 3], [1, 2, 3]])
# Print lower_limit
limit
现在在数据框上应用这些限制
# applying different limit value
# for each cell in the dataframe
df.clip_lower(limit)
输出 :
每个单元格的值都根据相应的应用下限进行了修剪。