python中upper用法_Python Pandas dataframe.clip_upper()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas dataframe.clip_upper()用于在指定的输入阈值处修整值。我们使用此功能将高于输入值阈值的所有值修整为指定的输入值。

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

参数：

threshold:浮动或数组

float：将每个值与阈值进行比较。

array-like：阈值的形状应与被比较的对象匹配。当self为Series时，阈值应为长度。当self是DataFrame时，阈值应为2-D，并且对于axis = None，其形状应与self相同，或者为1-D，且长度与要比较的轴相同。

axis:沿给定轴将对象与阈值对齐。

inplace:是否对数据执行适当的操作。

返回：剪切：与输入类型相同

范例1：采用clip_upper()用于将数据帧的值修整到给定阈值以上的功能。

# importing pandas as pd

import pandas as pd

# Creating a dataframe using dictionary

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

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

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

# Printing the data frame for visualization

df

现在，将所有大于8的值修剪为8。

# Clip all values below 2

df.clip_upper(8)

输出：

范例2：采用clip_upper()用于将 DataFrame 中的值裁剪为该 DataFrame 中每个单元格具有特定值的功能。

为此，我们可以使用numpy数组，但是数组的形状必须与 DataFrame 的形状相同。

# importing pandas as pd

import pandas as pd

# Creating a dataframe using dictionary

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

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

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

# upper limit for each individual column element.

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

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

# Print upper_limit

limit

现在将这些限制应用于 DataFrame 。

# applying different limit value

# for each cell in the dataframe

df.clip_upper(limit)

输出：

每个单元格值均已根据所应用的相应上限进行修整。