pandas 0.23 - DataFrame.clip_lower()

pandas.DataFrame.clip_lower




pandas

pandas.DataFrame.clip_lower

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

थ्रेशोल्ड के नीचे मानों के साथ इनपुट की वापसी प्रति।

पैरामीटर:

दहलीज : संख्यात्मक या सरणी की तरह

न्यूनतम मूल्य की अनुमति दी। दहलीज के नीचे सभी मान इस मान पर सेट किए जाएंगे।

  • फ्लोट: प्रत्येक मूल्य की तुलना threshold से की threshold
  • सरणी की तरह: threshold का आकार उस वस्तु से मेल खाना चाहिए जिसकी तुलना में है। जब self एक श्रृंखला है, तो threshold की लंबाई होनी चाहिए। जब self एक DataFrame है, threshold 2-D और axis=None लिए self के रूप में एक ही आकार होना चाहिए axis=None , या 1-D और धुरी की तुलना में समान लंबाई।

अक्ष : {0 या 'इंडेक्स', 1 या 'कॉलम'}, डिफ़ॉल्ट 0

दिए गए अक्ष के साथ threshold के साथ self संरेखित करें।

निष्क्रिय : बूलियन, डिफ़ॉल्ट गलत

डेटा पर जगह में ऑपरेशन करना है या नहीं।

संस्करण में नया 0.21.0।

यह दिखाता है:
clipped : same type as input

यह भी देखें

Series.clip
नीचे और ऊपर थ्रेसहोल्ड के मानों के साथ इनपुट की प्रति लौटाएं।
Series.clip_upper
थ्रेशोल्ड ऊपर मूल्यों के साथ इनपुट की वापसी प्रति।

उदाहरण

श्रृंखला एकल सीमा कतरन:

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

थ्रेसहोल्ड की एक सरणी का उपयोग करते हुए तत्व-वार कतरन श्रृंखला। threshold सीरीज़ की ही लंबाई होनी चाहिए।

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

डेटाफ्रेम की तुलना स्केलर से की जा सकती है।

>>> 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

या मूल्यों की एक सरणी के लिए। डिफ़ॉल्ट रूप से, threshold DataFrame के समान आकार होनी चाहिए।

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

नियंत्रण करें कि axis को axis साथ कैसे प्रसारित किया जाता axis । इस मामले में threshold धुरी द्वारा निर्दिष्ट अक्ष के समान लंबाई होनी चाहिए।

>>> 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