Python Pandas Series.clip_upper()

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软件包的奇妙生态系统。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 Series.clip_upper()用于剪切超过传递的最大值的值。阈值作为参数被传递，系列中所有超过阈值的值都将与之相等。

语法: Series.clip_upper(threshold, axis=None, inplace=False)

参数:
threshold：数字或类似于列表，设置最大的阈值，如果是列表，为调用者系列中的每个值设置单独的阈值（鉴于列表大小相同）。
axis：0或’index’用于按行应用方法，1或’columns’用于按列应用。
inplace: 在调用者系列本身进行修改。(用新值覆盖)

返回类型: 带有更新值的系列
在下面的例子中，所使用的数据框包含一些NBA球员的数据。下面是数据框在任何操作之前的图像。

例子#1：应用于单一数值的系列中
在这个例子中，一个最大的阈值26被作为参数传递给.clip_upper()方法。这个方法在数据框的Age列上被调用，新的值被存储在Age_new列中。在做任何操作之前，使用.dropna()删除空行。

# importing pandas module 
import pandas as pd 
  
# making data frame 
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv") 
    
# removing null values to avoid errors 
data.dropna(inplace = True) 
  
# setting threshold value
threshold = 26.0
  
# applying method and passing to new column
data["Age_new"]= data["Age"].clip_upper(threshold)
  
# displaying top 10 rows
data.head(10)

输出:
如输出图像所示，Age_new列的最大值为26。所有超过26的值都被剪掉，并使之等于26。

例子#2：在具有列表类型值的系列上应用

在这个例子中，使用.head()方法提取并存储年龄列的前10行。之后，创建一个相同长度的列表，并传递给.clip_upper()方法的阈值参数，为系列中的每个值设置单独的阈值。返回的值被存储在一个新的列’clipped_values’中。

# importing pandas module 
import pandas as pd 
  
# importing regex module
import re
    
# making data frame 
data = pd.read_csv("https://media.geeksforgeeks.org /wp-content/uploads/nba.csv") 
    
# removing null values to avoid errors 
data.dropna(inplace = True) 
  
# returning top rows
new_data = data.head(10).copy()
  
# list for separate threshold values
threshold =[27, 23, 19, 30, 26, 22, 22, 41, 11, 33]
  
# applying method and returning to new column
new_data["Clipped values"]= new_data["Age"].clip_upper(threshold = threshold)
  
# display
new_data

输出:
如输出图像所示，根据传递的列表，每个串联的值都有不同的阈值，因此，结果是根据每个元素的单独阈值返回的。所有超过各自阈值的值都被削减到了阈值。