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。

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

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。

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：
import numpy as np 
#创建一个随机数组arr = np.random.rand(3, 4)arr
np.random.rand(3, 4)：生成一个三行四列的数组。
得到结果：

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0.5clipped_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，如想了解更多Python中的函数，可以翻看公众号中“学习Python”模块相关文章。

【限时免费进群】群内讨论学习Python、玩转Python、风控建模、人工智能、数据分析相关问题，还提供招聘内推信息、优秀文章、学习视频，也可交流工作中遇到的相关问题。需要的朋友添加微信号19967879837，加时备注想进的群，比如风控建模。

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。。。

限时免费进群

19967879837

添加微信号、手机号