Change language
Python.Engineering Wiki Python | Serie Pandas.clip_lower ()

Python | Serie Pandas.clip_lower ()

clip | code Python module | COM PHP module | copy Python module | csv Python module | dis Python module | Ev PHP module | GD PHP module | http Python module | imp Python module | io Python module | os Python module | PS PHP module | Python functions | re Python module | Regular Expressions | sep | SPL PHP module | StackOverflow
Michael Zippo Michael Zippo

Pandas Series.clip_lower() se usa para Series.clip_lower() valores ‚Äã‚Äãabajo el valor más pequeño pasado. Un valor de umbral se pasa como parámetro, y todos los valores ‚Äã‚Äãen la secuencia que son menores que los valores de umbral ‚Äã‚Äãse vuelven iguales a él.

Sintaxis: Series.clip_lower (umbral, eje = Ninguno, en el lugar = Falso)

Parámetros:
umbral: numérico o lista como, Conjuntos valor de umbral mínimo y, en el caso de una lista, establece valores de umbral separados ‚Äã‚Äãpara cada valor en la serie de llamadas (el tamaño de lista dado es el mismo)
eje: 0 o `índice` para aplicar el método por filas y 1 o `columnas` para aplicar por columnas
en su lugar: Realice cambios en la serie de llamadas en sí. (Sobrescribir con nuevos valores)

Tipo de valor devuelto: Serie con valores actualizados ‚Äã‚Äã

Para cargar el conjunto de datos utilizado en los siguientes ejemplo, haga clic en aquí.

En los siguientes ejemplos, el marco de datos utilizado contiene datos de algunos jugadores de la NBA. A continuación se adjunta una imagen del marco de datos antes de cualquier operación.

Ejemplo # 1 : Aplicado a series de valor único

En este ejemplo, se pasa un umbral mínimo de 26 como parámetro al método .clip_lower(). Este método se llama en la columna Edad del marco de datos, y los nuevos valores se almacenan en la columna Edad_nueva. Antes de realizar cualquier operación, las líneas nulas se eliminan usando .dropna ()


< td class ="code">

# importar módulo pandas

import pandas como pd


# crear marco de datos

data = pd.read_csv ( " https://media.python.engineering/wp-content/uploads/nba. csv " )


# eliminar valores nulos ‚Äã‚Äãpara evitar errores

data.dropna (inplace = Verdadero )


# establecer el umbral

umbral = 26.0


# aplicar el método y ir a la nueva columna

data [ "Age_new" ] = datos [ "Edad" ]. clip_lower (umbral)


# mostrar
datos

Salida:
Como se muestra en la imagen de salida, el mínimo el valor de la columna Age_new es 26. Todos los valores ‚Äã‚Äãmenos de 26 se incrementaron a 26 y se guardaron como una nueva columna.

Ejemplo # 2: Aplicado a series con un valor de tipo lista

En este ejemplo, se recuperan las primeras 10 filas de la columna Edad y se almacena usando el método .head(). Después de eso, se crea una lista de la misma longitud, que se pasa al parámetro de umbral del método .clip_lower () para establecer un valor de umbral separado para cada valor de la serie. Los valores devueltos ‚Äã‚Äãse almacenan en una nueva columna "valores recortados".


# importar módulo pandas

importar pandas como pd


# importación de módulo regex

importar re


# crear marco de datos

datos = pd.read_csv ( " https://media.python .engineering/wp-content/uploads/nba.csv " )


# eliminar null va lues ‚Äã‚Äãpara evitar errores

data.dropna (inplace = True )


# devuelve las líneas superiores

new_data = data.head ( 10 ). copy()


# lista de umbrales individuales

umbral = [ 27 , 23 , 19 , 30 , 26 , 22 , 22 , 41 , 11 , 33 ]


# aplicando el método y regresando a una nueva columna

new_ datos [ "Valores recortados" ] = new_data [ "Edad" ]. clip_lower (umbral = umbral)


# mostrar
new_data

Salida:
Como visualización Pero en la imagen de salida, cada valor de la secuencia tenía un valor de umbral diferente según la lista aprobada y, por lo tanto, los resultados se devolvieron según al valor de umbral separado de cada elemento.