pandas.Panel.clip_lower

Panel.clip_lower(threshold, axis=None, inplace=False) [source]

Возвращает копию входных данных с обрезкой значений ниже порога.

Параметры:

порог : число или массив Минимальное допустимое значение. Все значения ниже порога будут установлены в это значение. float : каждое значение сравнивается с threshold. массив : форма threshold должна соответствовать объекту, с которым она сравнивается. Когда self является Series, threshold должен быть длиной. Когда self является DataFrame, threshold должен быть 2-мерным и иметь ту же форму, что и self для axis=None, или 1-мерным и той же длины, что и сравниваемая ось. ось : {0 или ‘индекс’, 1 или ‘колонки’}, по умолчанию 0 Выравнивание self с threshold по заданной оси. inplace : boolean, по умолчанию False Выполнять ли операцию непосредственно над данными. Введено в версии 0.21.0.

Возвращает:

clipped : same type as input

См. также

Series.clip

Возвращает копию входных данных с обрезкой значений ниже и выше порогов.

Series.clip_upper

Возвращает копию входных данных с обрезкой значений выше порога.

Примеры

Обрезка Series с единичным порогом:

>>> s = pd.Series([5, 6, 7, 8, 9])
>>> s.clip_lower(8)
0    8
1    8
2    8
3    8
4    9
dtype: int64

Обрезка Series по элементам с помощью массива порогов. threshold должна иметь ту же длину, что и Series.

>>> elemwise_thresholds = [4, 8, 7, 2, 5]
>>> s.clip_lower(elemwise_thresholds)
0    5
1    8
2    7
3    8
4    9
dtype: int64

DataFrame можно сравнить со скалярным значением.

>>> df = pd.DataFrame({"A": [1, 3, 5], "B": [2, 4, 6]})
>>> df
   A  B
0  1  2
1  3  4
2  5  6

>>> df.clip_lower(3)
   A  B
0  3  3
1  3  4
2  5  6

Или с массивом значений. По умолчанию threshold должна иметь ту же форму, что и DataFrame.

>>> df.clip_lower(np.array([[3, 4], [2, 2], [6, 2]]))
   A  B
0  3  4
1  3  4
2  6  6

Управляйте тем, как threshold транслируется с axis. В данном случае threshold должен иметь ту же длину, что и ось, указанная axis.

>>> df.clip_lower(np.array([3, 3, 5]), axis='index')
   A  B
0  3  3
1  3  4
2  5  6

>>> df.clip_lower(np.array([4, 5]), axis='columns')
   A  B
0  4  5
1  4  5
2  5  6