Python | Panda dataframe.clip_upper ()

|

Pandas dataframe.clip_upper() viene utilizzato per tagliare i valori a una soglia di input specificata. Usiamo questa funzione per tagliare tutti i valori al di sopra della soglia di input all’input specificato.

Sintassi: DataFrame.clip_upper (soglia, asse = Nessuno, inplace = False)

Parametri: < br /> soglia: float o array_like
float : ogni valore viene confrontato con la soglia.
tipo array : la forma della soglia deve corrispondere all’oggetto con cui viene confrontata. Quando self è una serie, la soglia dovrebbe essere la lunghezza. Quando self è un DataFrame, la soglia dovrebbe essere 2-D e la stessa forma di self per axis = None, o 1-D e la stessa lunghezza dell’asse confrontato.
asse: allinea l’oggetto con la soglia lungo l’asse specificato.
inplace: se eseguire l’operazione in atto sui dati.

Restituisce: ritagliato: stesso tipo di input

Esempio n. 1: Usa clip_upper ( ) per tagliare i valori dei frame di dati al di sopra di una determinata soglia.

Ora taglia tutti i valori da 8 a 8.

# importa panda come pd

import panda come pd


# Crea un frame di dati utilizzando un dizionario

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

"B" : [ - 1 , - 4 , 6 < codice classe = "normale">, 4 , 11 , 3 ],

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


# Stampa il frame di dati per il rendering
df

# Taglia tutti i valori inferiori a 2

df.clip_upper ( 8 )

Output:

Esempio n. 2: Usa clip_upper () per clip_upper () valori nel data frame con un valore specifico per ogni cella del data frame.

A questo scopo possiamo utilizzare un array vuoto, ma la forma dell’array deve essere la stessa di quella frame di informazioni.

< tr>

# panda importa come pd

importa panda come pd


# Crea un frame di dati usando un dizionario

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 superiore per ogni singolo elemento di colonna.

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

[ 11 , 2 , 3 ], [ 5 , 2 , 3 ], [ 4 , 5 , 3 ]])


# Print upper_limit
limite

Ora applica queste restrizioni al frame di dati.

# applica un limite diverso
# per ogni cella nel frame di dati
df.clip_upper (limite)

Output:

Ogni valore di cella è stato ritagliato in base al corrispondente limite superiore applicato.

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