python中upper用法_Python Pandas Series.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 Series.clip_upper()用于裁剪超过传递的最大值的值。阈值作为参数传递，并且所有大于阈值的串联值都等于阈值。

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

参数：

threshold:数字或类似列表，设置最大阈值，如果是列表，则为调用者系列中的每个值设置单独的阈值(给定列表大小相同)

axis:0或“索引”按行应用方法，1或“列”按列应用。

inplace:在调用者系列本身中进行更改。 (用新值覆盖)

返回类型：具有更新值的系列

要下载以下示例中使用的数据集，请单击此处。在以下示例中，使用的 DataFrame 包含一些NBA球员的数据。下面是任何操作之前的数据帧图像。

例子1：适用于单值系列

在此示例中，最大阈值26作为参数传递给.clip_upper()方法。在数据帧的Age列上调用此方法，并将新值存储在Age_new列中。在执行任何操作之前，使用.dropna()删除空行

# importing pandas module

import pandas as pd

# making data frame

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

# removing null values to avoid errors

data.dropna(inplace = True)

# setting threshold value

threshold = 26.0

# applying method and passing to new column

data["Age_new"]= data["Age"].clip_upper(threshold)

# displaying top 10 rows

data.head(10)

输出：

如输出图像中所示，Age_new列的最大值为26。超过26的所有值均被裁剪并等于26。

范例2：应用于具有列表类型值的系列

在此示例中，使用以下方法提取并存储“年龄”列的前10行：.head()方法。之后，将创建一个相同长度的列表，并将其传递给的阈值参数.clip_upper()为串联的每个值设置单独的阈值的方法。返回的值存储在新列“ clipped_values”中。

# importing pandas module

import pandas as pd

# importing regex module

import re

# making data frame

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

# removing null values to avoid errors

data.dropna(inplace = True)

# returning top rows

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

# list for separate threshold values

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

# applying method and returning to new column

new_data["Clipped values"]= new_data["Age"].clip_upper(threshold = threshold)

# display

new_data

输出：

如输出图像所示，根据传递的列表，每个串联的值都有不同的阈值，因此，根据每个元素的单独阈值返回结果。所有比其各自的阈值大的值都被缩减到阈值。