Python | Marco de datos de pandas.clip_upper ()

|

Pandas dataframe.clip_upper() se utiliza para recortar valores en un umbral de entrada especificado. Usamos esta función para recortar todos los valores por encima del umbral de entrada a la entrada especificada.

Sintaxis: DataFrame.clip_upper (umbral, eje = Ninguno, en el lugar = Falso)

Parámetros: < br /> umbral: float o array_like
float : cada valor se compara con el umbral.
similar a una matriz : la forma del umbral debe coincidir con el objeto con el que se compara. Cuando self es una serie, el umbral debe ser la longitud. Cuando self es un DataFrame, el umbral debe ser 2-D y tener la misma forma que self para el eje = Ninguno, o 1-D y la misma longitud que el eje que se compara.
eje: alinea el objeto con el umbral a lo largo del eje dado.
in situ: si se realiza la operación in situ en los datos.

Devuelve: recortado: mismo tipo que la entrada

Ejemplo n.° 1: Usar clip_upper ( ) para recortar los valores del marco de datos por encima de un umbral determinado.

# importar pandas como pd

importar pandas como pd


# Crear un marco de datos usando un diccionario

df = pd.DataFra me ({ "A" : [ - 5 , 8 , 12 , - 9 , 5 , 3 ],

"B" : [ - 1 , - 4 , 6 < código clase = "simple">, 4 , 11 , 3 ],

"C" : [ 11 , 4 , - 8 , 7 , 3 , - 2 ]})


# Imprimir marco de datos para renderizar
df

Ahora recorte todos los valores por encima de 8 a 8.

# Recortar todos los valores por debajo de 2

df.clip_upper ( 8 )

Salida:

Ejemplo # 2: Usar clip_upper() para clip_upper() valores en el marco de datos con un valor específico para cada celda del marco de datos.

Para este propósito podemos usar una matriz vacía, pero la forma de la matriz debe ser la misma que la de la marco de información.

< tr>

# pandas import as pd

import pandas as pd


# Crear un data frame usando un diccionario

df = pd.DataFrame ({< /código> "A" : [ - 5 < clase de código = "simple">, 8 , 12 , - 9 , < /código> 5 , 3 ],

"B" : [ - 1 , - 4 , 6 , 4 , 11 , 3 ],

"C" : [ 11 , 4 , - 8 , 7 , 3 , - 2 ]})


# límite superior para cada elemento de una columna individual.

límite = np .array ([ [ 10 , 2 , 8 ], [ < código clase = "valor"> 3 , 5 , 3 ], [ 2 , 4 , 6 ],

[ 11 , < /código> 2 , 3 ], [ 5 , 2 , 3 ], [ 4 , 5 , 3 < clase de código = "simple">]])


# Imprimir límite_superior
límite

Ahora aplique estas restricciones al marco de datos.

# aplicar un límite diferente
# para cada celda en el marco de datos
df.clip_upper (límite)

Salida:

Cada valor de celda se ha recortado según el límite superior aplicado correspondiente.

Shop

Learn programming in R: courses

$

Best Python online courses for 2022

$

Best laptop for Fortnite

$

Best laptop for Excel

$

Best laptop for Solidworks

$

Best laptop for Roblox

$

Best computer for crypto mining

$

Best laptop for Sims 4

$

Latest questions

NUMPYNUMPY

psycopg2: insert multiple rows with one query

12 answers

NUMPYNUMPY

How to convert Nonetype to int or string?

12 answers

NUMPYNUMPY

How to specify multiple return types using type-hints

12 answers

NUMPYNUMPY

Javascript Error: IPython is not defined in JupyterLab

12 answers

News


Wiki

Python OpenCV | cv2.putText () method

numpy.arctan2 () in Python

Python | os.path.realpath () method

Python OpenCV | cv2.circle () method

Python OpenCV cv2.cvtColor () method

Python - Move item to the end of the list

time.perf_counter () function in Python

Check if one list is a subset of another in Python

Python os.path.join () method