pandas.DataFrame.clip # 数据框。Clip ( lower = None , upper = None , * , axis = None , inplace = False , ** kwargs ) [来源] # 在输入阈值处修剪值。 将边界外的值分配给边界值。阈值可以是奇异值或类似数组,在后一种情况下,剪切是在指定轴上按元素执行的。 参数: 较低的浮点数或类似数组,默认 None最小阈值。所有低于此阈值的值都将设置为此阈值。缺少阈值(例如NA)将不会剪切该值。 上部浮点数或类似数组,默认 None最大阈值。所有高于此阈值的值都将设置为此阈值。缺少阈值(例如NA)将不会剪切该值。 axis {{0 或 'index', 1 或 'columns', None}}, 默认 None沿给定轴将对象与下部和上部对齐。对于系列,此参数未使用,默认为None。 inplace布尔值,默认 False是否对数据执行就地操作。 *args,**kwargs其他关键字没有效果,但可能会被接受以与 numpy 兼容。 返回: 系列或数据框或无与调用对象的类型相同,但替换了剪辑边界之外的值,或者如果为 None 则为 None inplace=True。 也可以看看 Series.clip串联输入阈值处的修整值。 DataFrame.clip修剪数据帧中输入阈值的值。 numpy.clip剪辑(限制)数组中的值。 例子 >>> 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 使用下限和上限阈值的每列剪辑: >>> df.clip(-4, 6) col_0 col_1 0 6 -2 1 -3 -4 2 0 6 3 -1 6 4 5 -4 每列使用特定下限和上限阈值的剪辑: >>> df.clip([-2, -1], [4, 5]) col_0 col_1 0 4 -1 1 -2 -1 2 0 5 3 -1 5 4 4 -1 使用每个列元素的特定下限和上限阈值进行剪辑: >>> 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 使用每列元素的特定下限阈值进行剪辑,并缺少值: >>> 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