数据帧按列将高于截止值的值替换为低于截止值的最大值

Question

我有一个示例数据框：

import pandas as pd
df = pd.DataFrame({
    'A': [10, 18, 30, 40],
    'B': [50, 20, 40, 6]
})

给定一个截止值，例如 25，如何将高于截止值的所有值替换为低于截止值列的最大值？

一个可行的解决方案：

import numpy as np
cutoff = 25
for col in df:
    ceiling = df[col][ df[col] <= cutoff ].max()
    df[col] = np.where(df[col] > cutoff, ceiling, df[col])

这给出了：

    A    B
0  10   20
1  18   20
2  18   20
3  18   6

我的实际数据框要大得多，因此对性能敏感。

Answer 1

使用

DataFrame.clip

并通过 cutoff

 和 

DataFrame.where 获得

max

下的最大值：

cutoff = 25

out = df.clip(upper=df.where(df.le(cutoff)).max(), axis=1)
print (out)
    A   B
0  10  20
1  18  20
2  18  20
3  18   6

如何运作：

print (df.le(cutoff))
       A      B
0   True  False
1   True   True
2  False  False
3  False   True

print (df.where(df.le(cutoff)))
      A     B
0  10.0   NaN
1  18.0  20.0
2   NaN   NaN
3   NaN   6.0

print (df.where(df.le(cutoff)).max())
A    18.0
B    20.0
dtype: float64

Answer 2

您可以使用

mask

和

clip

:

m = df.gt(25)
df.clip(upper=df.mask(m).max(), axis=1)

Answer 3

import pandas as pd
import numpy as np

# Sample dataframe
df = pd.DataFrame({
    'A': [10, 18, 30, 40],
    'B': [50, 20, 40, 6]
})

# Cutoff value
cutoff = 25

# Replace values above cutoff with max values below cutoff column-wise
for col in df.columns:
    mask = df[col] > cutoff
    max_below_cutoff = np.max(df.loc[~mask, col])
    df.loc[mask, col] = max_below_cutoff

print(df)