pandas.Series.clip

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

Ограничение значений по заданным порогам.

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

Параметры

lower:float или массивоподобный объект, по умолчанию None

Нижний порог. Все значения ниже этого порога будут установлены на него. Отсутствующий порог (например, NA) не будет ограничивать значение.

upper:float или массивоподобный объект, по умолчанию None

Верхний порог. Все значения выше этого порога будут установлены на него. Отсутствующий порог (например, NA) не будет ограничивать значение.

axis:{{0 или ‘index’, 1 или ‘columns’, None}}, по умолчанию None

Выравнивание объекта с lower и upper вдоль указанной оси. Для Series этот параметр не используется и по умолчанию равен None.

inplace:bool, по умолчанию False

Выполнить операцию непосредственно на данных.

*args, **kwargs

Дополнительные ключевые слова не оказывают влияния, но могут быть приняты для совместимости с numpy.

Возвращает

Series или DataFrame или None

Тип, аналогичный вызываемому объекту, с заменой значений, выходящих за пределы ограничений, или None, если inplace=True.

См. также

Series.clip

Ограничение значений по порогу в серии.

DataFrame.clip

Ограничение значений по порогу в DataFrame.

numpy.clip

Ограничение значений в массиве.

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 значений по столбцам, используя нижние и верхние пороги:

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

Ограничение значений с использованием специфических 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

Ограничение значений, используя специфический нижний порог для каждого элемента столбца, с пропущенными значениями:

>>> t = pd.Series([2, -4, np.NaN, 6, 3])
>>> t
0    2.0
1   -4.0
2    NaN
3    6.0
4    3.0
dtype: float64

>>> df.clip(t, axis=0)
col_0  col_1
0      9      2
1     -3     -4
2      0      6
3      6      8
4      5      3