Python | Pandas dataframe.clip_upper ()

|

Pandas dataframe.clip_upper() est utilisé pour réduire les valeurs à un seuil d’entrée spécifié. Nous utilisons cette fonction pour ajuster toutes les valeurs au-dessus du seuil d’entrée à l’entrée spécifiée.

Syntaxe : DataFrame.clip_upper (threshold, axis = None, inplace = False)

Paramètres : < br /> seuil : float ou array_like
float : chaque valeur est comparée au seuil.
de type tableau  : la forme du seuil doit correspondre à l’objet auquel il est comparé. Lorsque self est une série, le seuil doit être la longueur. Lorsque self est un DataFrame, le seuil doit être 2-D et avoir la même forme que self pour l’axe = Aucun, ou 1-D et la même longueur que l’axe comparé.
axe : Aligne l’objet avec le seuil le long de l’axe donné.
inplace : s’il faut effectuer l’opération en place sur les données.

Renvoie : clipped : même type que l’entrée

Exemple 1 : Utilise clip_upper ( ) pour couper les valeurs de dataframe au-dessus d’un seuil donné.

Coupez maintenant toutes les valeurs supérieures à 8 à 8.

# importer des pandas en tant que pd

importer pandas en tant que pd


# Créer un data frame à l’aide d’un dictionnaire

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

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

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


# Imprimer le bloc de données pour le rendu
df

# Trim toutes les valeurs inférieures à 2

df.clip_upper ( 8 )

Sortie :

Exemple n°2 : Utiliser clip_upper() pour clip_upper() valeurs dans le bloc de données avec une valeur spécifique pour chaque cellule du bloc de données.

A cet effet, nous pouvons utiliser un tableau vide, mais la forme du tableau doit être la même que celle du cadre d’information.

< tr>

# pandas import as pd

import pandas as pd


# Créer une trame de données à l’aide d’un dictionnaire

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

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

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


# limite supérieure pour chaque élément de colonne individuel.

limit = np .array ([ [ 10 , 2 , 8 ], [ 3 , 5 , 3 ], [ 2 , 4 , 6 ],

[ 11 , 2 , 3 ], [ 5 , 2 , 3 ], [ 4 ], [ 4 ] = "plain">, 5 , 3 ]])


# Imprimer upper_limit
limite

Appliquez maintenant ces restrictions au bloc de données.

# appliquer une limite différente
# pour chaque cellule du bloc de données
df.clip_upper (limite)

Sortie :

Chaque valeur de cellule a été rognée en fonction de la limite supérieure appliquée correspondante.

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