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)
会产生：
a
0 10
1 12
2 15
3 15
4 15
5 15
但事实并非如此。
找到最大值有一百万种解决方案，但没有设置最大值......至少我能找到。
我可以遍历列表，但我怀疑有一种更快的方法可以使用 pandas 来完成。我的列表会更长，因此我预计迭代会花费相对更长的时间。另外，我想要任何能够处理NaN 的解决方案。
【问题讨论】：
标签： python pandas dataframe max
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
或者：
df['a'][df['a'] >= maxVal] = maxVal
【讨论】：
df.loc[df['a'] >= maxVal, 'a'] = maxVal 格式可能是更好的做法，但我没有任何具体的理由首选它，也没有比较时间。
df.loc[df['a'] >= maxVal, 'a'] = maxVal，而是使用df['a'][df['a'] >= maxVal] = maxVal，你基本上是在数据帧的副本上设置值，而不是数据帧本身。
numpy.clip 是一个不错的快速替代方案。
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，您也可以使用DataFrame.clip_upper。
注意
此方法（连同clip_lower）已从 v0.24 中弃用，并将在未来版本中删除。
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
类似地，如果您只想设置下限，请使用DataFrame.clip_lower。这些方法也可用于Series 对象。
【讨论】：