pandas.DataFrame.clip

DataFrame.clip(lower=None, upper=None, axis=None, inplace=False, *args, **kwargs) [source]

Ограничение значений по пороговым значениям.

Присваивает значения, выходящие за пределы границ, значениям границ. Пороговые значения могут быть одиночными значениями или массивоподобными объектами, и в последнем случае ограничение выполняется поэлементно в указанной оси.

Параметры:

lower : float или array_like, по умолчанию None Минимальное пороговое значение. Все значения ниже этого порога будут установлены равными ему. upper : float или array_like, по умолчанию None Максимальное пороговое значение. Все значения выше этого порога будут установлены равными ему. axis : int или имя оси, необязательно Выравнивание объекта с нижним и верхним пределами по заданной оси. inplace : boolean, по умолчанию False Выполнять ли операцию на данных непосредственно. Введено в версии 0.21.0. *args, **kwargs Дополнительные ключевые слова не имеют эффекта, но могут быть приняты для совместимости с numpy.

Возвращает:

Series или DataFrame Тип такой же, как вызываемый объект, с замененными значениями, выходящими за пределы границ ограничения

См. также

clip_lower

Ограничение значений ниже заданного порога(ов).

clip_upper

Ограничение значений выше заданного порога(ов).

Примеры

>>> data = {'col_0': [9, -3, 0, -1, 5], 'col_1': [-2, -7, 6, 8, -5]}
>>> df = pd.DataFrame(data)
>>> df
   col_0  col_1
0      9     -2
1     -3     -7
2      0      6
3     -1      8
4      5     -5

Ограничение по столбцам с использованием нижних и верхних порогов:

>>> df.clip(-4, 6)
   col_0  col_1
0      6     -2
1     -3     -4
2      0      6
3     -1      6
4      5     -4

Ограничение с использованием конкретных нижних и верхних порогов для каждого элемента столбца:

>>> t = pd.Series([2, -4, -1, 6, 3])
>>> t
0    2
1   -4
2   -1
3    6
4    3
dtype: int64

>>> df.clip(t, t + 4, axis=0)
   col_0  col_1
0      6      2
1     -3     -4
2      0      3
3      6      8
4      5      3