Python | Serie Pandas.clip()

Python es un excelente lenguaje para realizar análisis de datos, principalmente debido al fantástico ecosistema de paquetes de Python centrados en datos. Pandas es uno de esos paquetes y facilita mucho la importación y el análisis de datos.

Python Series.clip()se usa para recortar el valor por debajo y por encima del valor mínimo y máximo pasado. Este método se usa cuando se realizan operaciones como el procesamiento de señales. Como sabemos, solo hay dos valores en la señal digital, alta o baja. Los pandas Series.clip() se pueden usar para restringir el valor a un rango específico.

Sintaxis: Series.clip(inferior=Ninguno, superior=Ninguno, eje=Ninguno, en el lugar=Falso)

Parámetros:
inferior: establece el valor mínimo del rango. Cualquier valor por debajo de este se hace igual a menor.
superior: establece el valor máximo del rango. Cualquier valor por encima de este se hace igual a superior.
eje: 0 o ‘índice’ para aplicar el método por filas y 1 o ‘columnas’ para aplicar por columnas
en el lugar: realice cambios en la serie de llamadas en sí. (Sobrescribir con nuevos valores)

Tipo de retorno: Serie con valores actualizados

Para descargar el conjunto de datos utilizado en el siguiente ejemplo, haga clic aquí.
En los siguientes ejemplos, el marco de datos utilizado contiene datos de algunos jugadores de la NBA. La imagen del marco de datos antes de cualquier operación se adjunta a continuación.

Ejemplo
En este ejemplo, el .clip() método se llama en la columna de datos Edad. Se pasa un valor mínimo de 22 al parámetro inferior y 25 al parámetro superior. La serie devuelta luego se almacena en una nueva columna ‘Nueva Era’. Antes de realizar cualquier operación, las filas nulas se descartaron .dropna()para evitar errores.

# 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) 
  
# lower value of range
lower = 22
  
# upper value of range
upper = 25
  
# passing values to new column
data["New Age"]= data["Age"].clip(lower = lower, upper = upper)
  
# display
data

Salida:
como se muestra en la imagen de salida, la columna New Age tiene un valor mínimo de 22 y un valor máximo de 25. Todos los valores están restringidos a este rango. Los valores por debajo de 22 se igualaron a 22 y los valores por encima de 25 se igualaron a 25.