熊猫数据框在列子集上使用剪辑答案

【问题标题】：pandas dataframe use clip on a subset of columns熊猫数据框在列子集上使用剪辑
【发布时间】：2018-02-19 16:05:54
【问题描述】：

我仍然对 pandas 数据帧如何处理应用于整个数据帧切片的函数感到非常困惑。这就是我想做的事情..

我有一个数据框（通常会更大，列更多！）

>> df
            one  two  three
0           NaN  0.0  1000
1           NaN  0.0  2000
2  1.262950e+36  NaN  3000
3           NaN  NaN  4000

我想将值 1.262950e+36 裁剪为其他值，例如 1000，这样数据帧中的任何值（第 3 列除外）的值都不会大于 1000。

我的尝试 1

我尝试了以下方法：

df.loc[:, df.columns.tolist()[:-1]].clip(upper=1000, inplace=True)

但它似乎并没有像我们得到的那样工作

>> df 
               one  two  three
7317           NaN  0.0      1
7318           NaN  0.0      2
7319  1.262950e+36  NaN      3
7320           NaN  NaN      4

我的尝试 2

所以我尝试了复制

df.loc[:, df.columns.tolist()[:-1]] copy.deepcopy(df.loc[:, df.columns.tolist()[:-1]].clip(upper=1000))

这行得通，但显然太长且不可读！

有没有更好、更快、更简洁、更pythonic的方式？

编辑：数据类型

列的dtypes是

>> df.dtypes()
one      float64
two      float64
three      int64
dtype: object

【问题讨论】：

我确实在您的第一次尝试中复制了一些非常接近的内容，并且成功了，您的专栏中的dtypes 是什么？ (df.dtypes)
我刚刚更新了我的问题！
试试这个：df.loc[:, ['one', 'two']] = df[['one', 'two']].clip(None, 1000)
@joaoavf 我刚刚尝试过，它有效！
我认为值得一试：df[df.columns[:-1]].clip(upper=1000)

标签： python pandas dataframe deep-copy

【解决方案1】：

如果你有 numpy，在大多数情况下，使用 np.maximum 比使用 df.clip 更快。

import numpy as np
      
cols = ['one', 'two']:
df[cols] = np.maximum(df[cols], 0)

【讨论】：