pandas.DataFrame.clip #

数据框。Clip ( lower = None , upper = None , * , axis = None , inplace = False , ** kwargs ) [来源] #

在输入阈值处修剪值。

将边界外的值分配给边界值。阈值可以是奇异值或类似数组，在后一种情况下，剪切是在指定轴上按元素执行的。

参数：

较低的浮点数或类似数组，默认 None: 最小阈值。所有低于此阈值的值都将设置为此阈值。缺少阈值（例如NA）将不会剪切该值。
上部浮点数或类似数组，默认 None: 最大阈值。所有高于此阈值的值都将设置为此阈值。缺少阈值（例如NA）将不会剪切该值。
axis {{0 或 'index', 1 或 'columns', None}}, 默认 None: 沿给定轴将对象与下部和上部对齐。对于系列，此参数未使用，默认为None。
inplace布尔值，默认 False: 是否对数据执行就地操作。
*args，**kwargs: 其他关键字没有效果，但可能会被接受以与 numpy 兼容。

返回：

系列或数据框或无: 与调用对象的类型相同，但替换了剪辑边界之外的值，或者如果为 None 则为 None inplace=True。

也可以看看

Series.clip: 串联输入阈值处的修整值。
DataFrame.clip: 修剪数据帧中输入阈值的值。
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

每列使用特定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

使用每个列元素的特定下限和上限阈值进行剪辑：

>>> 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

使用每列元素的特定下限阈值进行剪辑，并缺少值：

>>> 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