Sintaksa
df [ ( cond_1 ) i ( cond_2 ) ]Primjer 01
Ove kodove radimo u aplikaciji 'Spyder' i koristit ćemo operator 'AND' u našim uvjetima u 'pandama' ovdje. Kako radimo pandas kodove, prvo moramo uvesti 'pande kao pd' i dobit ćemo njihovu metodu stavljanjem samo 'pd' u naš kod. Zatim generiramo rječnik s nazivom 'Cond', a podaci koje ovdje umećemo su 'A1', 'A2' i 'A3' nazivi su stupaca, a dodajemo '1, 2 i 3' u ' A1', u 'A2' ima '2, 6 i 4', a posljednji 'A3', sadrži '3, 4 i 5'.
Zatim ćemo napraviti DataFrame ovog rječnika korištenjem 'pd.DataFrame' ovdje. Ovo će vratiti DataFrame gornjih podataka rječnika. Također ga renderiramo tako da ovdje dajemo 'ispis ()', a nakon toga primjenjujemo neke uvjete i također koristimo operator '&' u ovom uvjetu. Prvi uvjet ovdje je da je 'A1 >= 1', a zatim stavljamo operator '&' i postavljamo još jedan uvjet koji glasi 'A2 < 5'. Kada ovo izvršimo, vratit će rezultat ako je “A1 >=1” i također “A2 < 5”. Ako su oba uvjeta ovdje zadovoljena, tada će prikazati rezultat, a ako bilo koji od njih ovdje nije zadovoljen, tada neće prikazati nikakve podatke.
Provjerava stupce 'A1' i 'A2' DataFramea i zatim vraća rezultat. Rezultat se prikazuje na zaslonu jer koristimo naredbu 'print ()'.
Ishod je ovdje. Prikazuje sve podatke koje smo umetnuli u DataFrame i zatim provjerava oba uvjeta. Vraća one retke u kojima je 'A1 >=1' i također 'A2 < 5'. Dobivamo dva retka u ovom izlazu jer su oba uvjeta zadovoljena u dva retka.
Primjer 02
U ovom primjeru izravno stvaramo DataFrame nakon uvoza 'pande kao pd'. Ovdje se kreira DataFrame 'Team', s podacima koji sadrže četiri stupca. Prvi stupac je stupac 'timovi' u koji stavljamo 'A, A, B, B, B, B, C, C'. Zatim je stupac pokraj 'momčadi' 'bod', u koji umećemo '25, 12, 15, 14, 19, 23, 25 i 29'. Nakon toga, stupac koji imamo je 'Out', au njega također dodajemo podatke kao '5, 7, 7, 9, 12, 9, 9 i 4'. Naš posljednji stupac ovdje je stupac 'skokovi' koji također sadrži neke numeričke podatke, a to su '11, 8, 10, 6, 6, 5, 9 i 12'.
DataFrame je ovdje dovršen, a sada moramo ispisati ovaj DataFrame, tako da za ovo postavljamo 'print ()' ovdje. Želimo dobiti neke specifične podatke iz ovog DataFramea, pa ovdje postavljamo neke uvjete. Ovdje imamo dva uvjeta, a između tih uvjeta dodajemo operator 'I', tako da će vratiti samo one uvjete koji će zadovoljiti oba uvjeta. Prvi uvjet koji smo ovdje dodali je 'rezultat > 20', a zatim stavite '&' operator i drugi uvjet koji je 'Out == 9'.
Dakle, filtrirat će one podatke gdje je rezultat tima manji od 20, a također su njihovi auti 9. Filtrira te podatke i ignorira preostale, što neće zadovoljiti oba uvjeta ili bilo koji od njih. Također prikazujemo one podatke koji zadovoljavaju oba uvjeta, pa smo upotrijebili metodu 'print ()'.
Samo dva retka zadovoljavaju oba uvjeta, koje smo primijenili na ovaj DataFrame. Filtrira samo one retke u kojima je rezultat veći od 20, a također, njihovi outovi su 9 i prikazuje ih ovdje.
Primjer 03
U našim gornjim kodovima samo umećemo numeričke podatke u naš DataFrame. Sada stavljamo neke podatke niza u ovaj kod. Nakon uvoza 'panda kao pd', krećemo u izgradnju DataFramea 'Member'. Sadrži četiri jedinstvena stupca. Naziv prvog stupca ovdje je 'Ime', a mi umećemo imena članova, a to su 'Allies, Bills, Charles, David, Ethen, George i Henry'. Sljedeći stupac ovdje se zove 'Lokacija' i ima 'Amerika'. Kanada, Europa, Kanada, Njemačka, Dubai i Kanada” u njemu. Stupac 'Šifra' sadrži 'W, W, W, E, E, E i E'. Ovdje također dodajemo 'bodove' članova kao '11, 6, 10, 8, 6, 5 i 12'. DataFrame “Member” prikazujemo korištenjem metode “print ()”. Naveli smo neke uvjete u ovom DataFrameu.
Ovdje imamo dva uvjeta, a dodavanjem operatora 'I' između njih vratit će se samo uvjeti koji zadovoljavaju oba uvjeta. Ovdje je prvi uvjet koji smo uveli 'Lokacija == Kanada', nakon čega slijedi operator '&', a drugi uvjet je 'bodovi <= 9'. Dobiva one podatke iz DataFramea u kojima su oba uvjeta zadovoljena, a zatim smo postavili “print ()” koji prikazuje te podatke u kojima su oba uvjeta istinita.
Ispod možete primijetiti da su dva retka izdvojena iz DataFramea i prikazana. U oba reda lokacija je 'Kanada', a broj točaka je manji od 9.
Primjer 04
Ovdje uvozimo i 'pande' i 'numpy' kao 'pd' odnosno 'np'. Dobivamo 'pandas' metode postavljanjem 'pd', a 'numpy' metode postavljanjem 'np' gdje je potrebno. Zatim rječnik koji smo ovdje stvorili sadrži tri stupca. U stupac 'Ime' u koji umećemo 'Allies, George, Nimi, Samuel i William'. Zatim imamo stupac “Obt_Marks” koji sadrži dobivene ocjene učenika, a te ocjene su “4, 47, 55, 74 i 31”.
Ovdje također stvaramo stupac za “Prac_Marks” koji sadrži praktične ocjene učenika. Oznake koje ovdje dodajemo su '5, 67, 54, 56 i 12'. Izrađujemo DataFrame ovog rječnika i zatim ga ispisujemo. Ovdje primjenjujemo “np.Logical_and” koji će vratiti rezultat u obliku “True” ili “False”. Također pohranjujemo rezultat nakon provjere oba uvjeta u novi stupac, koji smo ovdje stvorili pod nazivom “Pass_Status”.
Provjerava je li “Obt_Marks” veći od “40” i “Prac_Marks” veći od “40”. Ako su oba istinita, tada će se prikazati istinito u novom stupcu; u suprotnom, iskazuje lažno.
Novi stupac je dodan s nazivom 'Pass_Status', a ovaj se stupac sastoji samo od 'True' i 'False'. Iskazuje se istinitim tamo gdje su dobivene ocjene i također praktične ocjene veće od 40 i lažne za preostale retke.
Zaključak
Glavni cilj ovog vodiča je objasniti koncept 'i stanja' u 'pandama'. Govorili smo o tome kako nabaviti one retke u kojima su oba uvjeta zadovoljena ili također dobivamo true za one u kojima su svi uvjeti zadovoljeni i false za preostale. Ovdje smo istražili četiri primjera. Sva četiri primjera koja smo uspostavili u ovom vodiču prošla su kroz ovaj proces. Svi primjeri u ovom vodiču pažljivo su predstavljeni za vašu korist. Ovaj bi vam vodič trebao pomoći da jasnije shvatite ovu ideju.