Python|熊猫系列.clip_lower()
Python是一种用于进行数据分析的出色语言，主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一，它使导入和分析数据变得更加容易。
Pandas Series.clip_lower()用于将值剪裁低于传递的最小值。阈值作为参数传递，所有小于阈值的系列值都等于它。
Syntax: Series.clip_lower(threshold, axis=None, inplace=False)
Parameters:
threshold: numeric or list like, Sets minimum threshold value and in case of list, sets separate threshold values for each value in caller series ( Given list size is same)
axis: 0 or ‘index’ to apply method by rows and 1 or ‘columns’ to apply by columns
inplace: Make changes in the caller series itself. ( Overwrite with new values )
Return type: Series with updated values
要下载以下示例中使用的数据集，请单击此处。
在以下示例中，使用的数据框包含一些 NBA 球员的数据。下面附上任何操作之前的数据帧图像。
_0.png)
示例 #1 ：应用于具有单值的系列
在此示例中，最小阈值 26 作为参数传递给 .clip_lower() 方法。此方法在数据框的 Age 列上调用，新值存储在 Age_new 列中。在执行任何操作之前，使用 .dropna() 删除空行
Python3
# importing pandas module
import pandas as pd
# making data frame
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")
# removing null values to avoid errors
data.dropna(inplace = True)
# setting threshold value
threshold = 26.0
# applying method and passing to new column
data["Age_new"]= data["Age"].clip_lower(threshold)
# display
dataPython3
# importing pandas module
import pandas as pd
# importing regex module
import re
# making data frame
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")
# removing null values to avoid errors
data.dropna(inplace = True)
# returning top rows
new_data = data.head(10).copy()
# list for separate threshold values
threshold =[27, 23, 19, 30, 26, 22, 22, 41, 11, 33]
# applying method and returning to new column
new_data["Clipped values"]= new_data["Age"].clip_lower(threshold = threshold)
# display
new_data输出：
如输出图像所示，Age_new 列的最小值为 26。所有小于 26 的值都增加到 26 并存储在新列中。
_1.png)
示例 #2：应用于具有列表类型值的系列
在此示例中，使用 .head() 方法提取并存储年龄列的前 10 行。之后，创建一个相同长度的列表并将其传递给 .clip_lower() 方法的阈值参数，以便为每个系列值设置单独的阈值。返回的值存储在新列“clipped_values”中。
Python3
# importing pandas module
import pandas as pd
# importing regex module
import re
# making data frame
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")
# removing null values to avoid errors
data.dropna(inplace = True)
# returning top rows
new_data = data.head(10).copy()
# list for separate threshold values
threshold =[27, 23, 19, 30, 26, 22, 22, 41, 11, 33]
# applying method and returning to new column
new_data["Clipped values"]= new_data["Age"].clip_lower(threshold = threshold)
# display
new_data
输出：
如输出图像所示，根据传递的列表，串联的每个值都有不同的阈值，因此根据每个元素的单独阈值返回结果。
_2.png)