在pandas DataFrame中设置最大值(上限)

Question

我正在尝试设置pandas DataFrame列的最大值.例如:

my_dict = {'a':[10,12,15,17,19,20]}
df = pd.DataFrame(my_dict)

df['a'].set_max(15)

会屈服:

    a
0   10
1   12
2   15
3   15
4   15
5   15

但事实并非如此.

有一百万个解决方案可以找到最大值,但没有设置最大值......至少我能找到.

我可以遍历列表,但我怀疑有更快的方法来做大熊猫.我的列表会显着更长,因此我希望迭代需要相对较长的时间.此外,我想要能够处理的任何解决方案NaN.

Answer 1

我想你可以这样做:

maxVal = 15
df['a'].where(df['a'] <= maxVal, maxVal)      # where replace values with other when the 
                                              # condition is not satisfied

#0    10
#1    12
#2    15
#3    15
#4    15
#5    15
#Name: a, dtype: int64

要么:

df['a'][df['a'] >= maxVal] = maxVal

Answer 2

你可以使用剪辑.

应用于数据框的所有列:

df.clip(upper=15)

否则,适用于选择列,看到这里:

df.clip(upper=pd.Series({'a': 15}), axis=1)

Answer 3

numpy.clip 是一个很好的快速选择。

df

    a
0  10
1  12
2  15
3  17
4  19
5  20

np.clip(df['a'], a_max=15, a_min=None)

0    10
1    12
2    15
3    15
4    15
5    15
Name: a, dtype: int64

# Or,
np.clip(df['a'].to_numpy(), a_max=15, a_min=None)
# array([10, 12, 15, 15, 15, 15])

从v0.21开始，您还可以使用DataFrame.clip_upper。

注意：
此方法（连同clip_lower）已从v0.24中弃用，并将在以后的版本中删除。

df.clip_upper(15)
# Or, for a specific column,
df['a'].clip_upper(15)

    a
0  10
1  12
2  15
3  15
4  15
5  15

同样，如果只想设置下限，请使用DataFrame.clip_lower。这些方法在Series对象上也可用。