【Python常用函数】一文让你彻底掌握Python中的numpy.clip函数

大数据时代的到来，使得很多工作都需要进行数据挖掘，从而发现更多有利的规律，或规避风险，或发现商业价值。

而大数据分析的基础是学好编程语言。

本文和你一起来探索Python中的clip函数，让你以最短的时间明白这个函数的原理。

也可以利用碎片化的时间巩固这个函数，让你在处理工作过程中更高效。

一、安装numpy包

clip是numpy库下的函数，调用需先要安装numpy包。打开cmd，安装语句如下：

pip install numpy

由于numpy库是数据分析最常用的库之一，所以我早就安装过了，再安装会提示如下内容：

二、clip函数定义

clip函数的功能是对列表、数组、数据框等中的元素进行截取赋值。其基本调用语法如下：

import numpy

numpy.clip(a, a_min, a_max, out=None, **kwargs)
a：要进行截取的输入数组或数据框，必填项。

a_min：截取的最小值。如果数组或数据框中的元素小于该值，将使用该值进行截取赋值，必填项。

a_max：截取的最大值。如果数组或数据框中的元素大于该值，将使用该值进行截取赋值，必填项。

out：要输出的数组或数据框，默认值为None，也可以是原array，非必填项。

注：clip函数返回的是一个新的数组，原始数组不会被修改。

三、clip函数实例

1 导入库创建一个随机数组 首先导入numpy库，生成一个随机数组，具体代码如下： 2 对数组应用clip函数进行截取 接着应用clip函数对数组进行截取，代码如下： #对数组进行截取，最小值为0.2，最大值为0.5 clipped_arr = np.clip(arr, 0.2, 0.5) #输出截取后的数组 print(clipped_arr) 得到结果： [[0.40703361 0.5 0.2 0.3345096 ] [0.2 0.26588612 0.2 0.32224684] [0.2 0.2869247 0.5 0.5 ]] 从结果知，clip函数通过设置数组的最小值和最大值，把数组中大于0.5的值截取为0.5，同时把小于0.2的值截取为0.2。 为了核实注，我们打印一下原始数据，代码如下： print(arr) 得到结果：

可以发现原始数组并没有改变，clip截取后生成了新的数组。 3 对列表应用clip函数进行截取 为了对比，对列表应用clip函数进行截取，代码如下： list1 = [1, 2, 3, 4] np.clip(list1, 2, 3) 得到结果： array([2, 2, 3, 3]) 可以发现，clip函数把高于3的数值截取为3，低于2的数值截取为2。 4 对数据框应用clip函数进行截取 为了对比，对数据框应用clip函数进行截取，先生成原始数据框，代码如下： import pandas as pd df = pd.DataFrame(np.random.rand(3, 4)) df 得到结果：

然后应用clip函数进行截取赋值，代码如下： np.clip(df, 0.2, 0.7) 得到结果：

可以发现clip函数把数据框中高于0.7和低于0.2的值都截取赋值成端点值了。 5 对数据框中字母应用clip函数进行截取 为了对比，对数据框中的字母应用clip函数进行截取，先生成原始数据框，代码如下： cs1 = pd.DataFrame([['a', 'aa'], ['b','bb'], ['c', 'cc']]) cs1 得到结果：

然后应用clip函数进行截取赋值，代码如下： np.clip(cs1, a_min='a' , a_max='b') 得到结果：

可以发现clip函数把排序高于字母b的项都变成了b，且bb项也变成了b。

至此，Python中的clip函数已讲解完毕

一文囊括Python中的函数，持续更新。。。

一文囊括Python中的有趣案例，持续更新。。。

一文囊括Python中的数据分析与绘图，持续更新。。。

一文囊括风控模型搭建(原理+Python实现)，持续更新。。。