Mga Panda At Kondisyon

Mga Panda At Kondisyon



'Maaari naming tukuyin ang 'Pandas' bilang isang open-source na tool. Maaari tayong lumikha ng iba't ibang mga diksyunaryo at DataFrame gamit ang 'Pandas'. Maaari rin kaming maglapat ng mga kundisyon at operator sa aming data sa 'pandas'. Dito, tatalakayin natin ang 'at' operator, na gagamitin natin sa ating mga kondisyon sa 'pandas'. Kapag ginamit namin ang operator na 'AT' sa isang kundisyon, magbabalik ito ng 'TRUE' kung ang lahat ng mga kundisyon ay nasiyahan, at kung alinman sa isang kundisyon ay hindi nasiyahan, ito ay nagbabalik ng 'FALSE'. Sa karamihan ng mga programming language, ito ay sinasagisag ng “&&” sign, ngunit sa pandas programming, ito ay sinasagisag ng “&”. Tuklasin namin ang 'at kundisyon' sa tutorial na ito.'

Syntax

df [ ( cond_1 ) at ( cond_2 ) ]

Halimbawa 01

Ginagawa namin ang mga code na ito sa 'Spyder' na app at gagamitin ang operator na 'AT' sa aming mga kundisyon sa 'pandas' dito. Habang ginagawa namin ang mga pandas code kaya kailangan muna naming i-import ang 'pandas bilang pd' at makuha ang pamamaraan nito sa pamamagitan ng paglalagay lamang ng 'pd' sa aming code. Pagkatapos ay bumuo kami ng diksyunaryo na may pangalang 'Cond,' at ang data na ipinapasok namin dito ay 'A1', 'A2', at 'A3' ay ang mga pangalan ng column, at idinagdag namin ang '1, 2, at 3' sa ' A1', sa 'A2' mayroong '2, 6, at 4' at ang huling 'A3', ay naglalaman ng '3, 4, at 5'.







Pagkatapos kami ay gumagalaw upang gawin ang DataFrame ng diksyunaryo na ito sa pamamagitan ng paggamit ng 'pd.DataFrame' dito. Ibabalik nito ang DataFrame ng data ng diksyunaryo sa itaas. Inire-render din namin ito sa pamamagitan ng pagbibigay ng 'print ()' dito, at pagkatapos nito, inilalapat namin ang ilang kundisyon at ginagamit din ang operator na '&' sa kundisyong ito. Ang unang kundisyon dito ay ang 'A1 >= 1,' at pagkatapos ay inilalagay namin ang '&' operator at naglalagay ng isa pang kundisyon na 'A2 < 5'. Kapag naisakatuparan namin ito, ibabalik nito ang resulta kung 'A1 >=1' at 'A2 < 5' din. Kung ang parehong mga kondisyon ay nasiyahan dito, pagkatapos ay ipapakita nito ang resulta, at kung alinman sa mga ito ay hindi nasiyahan dito, pagkatapos ay hindi ito magpapakita ng anumang data.



Sinusuri nito ang parehong mga column na 'A1' at 'A2' ng DataFrame at pagkatapos ay ibinabalik ang resulta. Ang resulta ay ipinapakita sa screen dahil ginagamit namin ang 'print ()' na pahayag.







Narito ang kinalabasan. Ipinapakita nito ang lahat ng data na ipinasok namin sa DataFrame at pagkatapos ay sinusuri ang parehong kundisyon. Ibinabalik nito ang mga row kung saan ang 'A1 >=1' at pati na rin ang 'A2 < 5'. Nakakakuha kami ng dalawang row sa output na ito dahil ang parehong kundisyon ay nasiyahan sa dalawang row.



Halimbawa 02

Sa halimbawang ito, direktang ginagawa namin ang DataFrame pagkatapos i-import ang 'pandas bilang pd'. Ang DataFrame ng 'Team' ay ginawa dito, kasama ang data na naglalaman ng apat na column. Ang unang column ay ang column na 'mga koponan' dito kung saan inilalagay namin ang 'A, A, B, B, B, B, C, C'. Pagkatapos ang column sa tabi ng 'mga koponan' ay 'iskor,' kung saan ipinapasok namin ang '25, 12, 15, 14, 19, 23, 25, at 29'. Pagkatapos nito, ang column na mayroon kami ay 'Out,' at nagdaragdag din kami ng data dito bilang '5, 7, 7, 9, 12, 9, 9, at 4'. Ang aming huling column dito ay ang column na 'rebounds' na naglalaman din ng ilang numeric data, na '11, 8, 10, 6, 6, 5, 9, at 12'.

Ang DataFrame ay nakumpleto dito, at ngayon ay kailangan naming i-print ang DataFrame na ito, kaya para dito, inilalagay namin ang 'print ()' dito. Gusto naming makakuha ng ilang partikular na data mula sa DataFrame na ito, kaya nagtakda kami ng ilang kundisyon dito. Mayroon kaming dalawang kundisyon dito, at idinaragdag namin ang operator na 'AT' sa pagitan ng mga kundisyong ito, kaya ibabalik lamang nito ang mga kundisyong iyon na makakatugon sa parehong mga kundisyon. Ang unang kundisyon na idinagdag namin dito ay ang 'iskor > 20' at pagkatapos ay ilagay ang '&' operator at ang isa pang kundisyon na 'Out == 9'.

Kaya, i-filter nito ang mga data na iyon kung saan ang marka ng koponan ay mas mababa sa 20 at ang kanilang mga out ay 9. Sinasala nito ang mga iyon at binabalewala ang natitira, na hindi makakatugon sa parehong mga kundisyon o alinman sa mga ito. Ipinapakita rin namin ang mga data na iyon na nakakatugon sa parehong kundisyon, kaya ginamit namin ang 'print ()' na paraan.

Dalawang row lang ang nakakatugon sa parehong kundisyon, na inilapat namin sa DataFrame na ito. Sinasala lang nito ang mga row kung saan ang marka ay mas malaki sa 20, at gayundin, ang kanilang mga out ay 9 at ipinapakita ang mga ito dito.

Halimbawa 03

Sa aming mga code sa itaas, ipinapasok lang namin ang numeric na data sa aming DataFrame. Ngayon, naglalagay kami ng ilang string data sa code na ito. Pagkatapos mag-import ng 'pandas bilang pd', kami ay gumagalaw upang bumuo ng isang 'Miyembro' na DataFrame. Naglalaman ito ng apat na natatanging column. Ang pangalan ng unang column dito ay 'Pangalan,' at inilalagay namin ang mga pangalan ng mga miyembro, na 'Allies, Bills, Charles, David, Ethen, George, at Henry'. Ang susunod na column ay pinangalanang 'Lokasyon' dito, at mayroon itong 'America. Canada, Europe, Canada, Germany, Dubai, at Canada” dito. Ang column na 'Code' ay naglalaman ng 'W, W, W, E, E, E, at E'. Idinaragdag din namin ang 'puntos' ng mga miyembro dito bilang '11, 6, 10, 8, 6, 5, at 12'. Inire-render namin ang 'Miyembro' na DataFrame gamit ang paraan ng 'print ()'. Tinukoy namin ang ilang kundisyon sa DataFrame na ito.

Dito, mayroon kaming dalawang kundisyon, at sa pamamagitan ng pagdaragdag ng operator na 'AT' sa pagitan ng mga ito, magbabalik lamang ito ng mga kundisyon na nakakatugon sa parehong mga kundisyon. Dito, ang unang kundisyon na ipinakilala namin ay 'Lokasyon == Canada,' na sinusundan ng '&' operator, at ang pangalawang kundisyon, 'mga puntos <= 9'. Nakukuha nito ang mga data na iyon mula sa DataFrame kung saan nasiyahan ang parehong kundisyon, at pagkatapos ay inilagay namin ang 'print ()' na nagpapakita ng data na iyon kung saan totoo ang parehong kundisyon.

Sa ibaba ay mapapansin mo na ang dalawang row ay nakuha mula sa DataFrame at ipinapakita. Sa parehong mga row, ang lokasyon ay 'Canada,' at ang mga puntos ay mas mababa sa 9.

Halimbawa 04

Ini-import namin ang parehong 'pandas' at 'numpy' dito bilang 'pd' at 'np,' ayon sa pagkakabanggit. Nakukuha namin ang mga pamamaraan ng 'pandas' sa pamamagitan ng paglalagay ng 'pd' at ang mga 'numpy' na pamamaraan sa pamamagitan ng paglalagay ng 'np' kung saan kinakailangan. Pagkatapos ang diksyunaryo na ginawa namin dito ay naglalaman ng tatlong column. Sa column na 'Pangalan' kung saan, inilalagay namin ang 'Mga Allies, George, Nimi, Samuel, at William'. Susunod, mayroon tayong column na 'Obt_Marks', na naglalaman ng mga nakuhang marka ng mga mag-aaral, at ang mga markang iyon ay '4, 47, 55, 74, at 31'.

Gumagawa din kami ng column para sa 'Prac_Marks' dito na mayroong mga praktikal na marka ng mag-aaral. Ang mga marka na idinagdag namin dito ay '5, 67, 54, 56, at 12'. Ginagawa namin ang DataFrame ng Diksyunaryo na ito at pagkatapos ay i-print ito. Inilapat namin ang 'np.Logical_and' dito, na magbabalik ng resulta sa 'True' o 'False' form. Iniimbak din namin ang resulta pagkatapos suriin ang parehong mga kundisyon sa isang bagong column, na ginawa namin dito na may pangalang 'Pass_Status'.

Sinusuri nito na ang 'Obt_Marks' ay mas malaki kaysa sa '40' at ang 'Prac_Marks' ay mas malaki kaysa sa '40'. Kung pareho ang totoo, ito ay magiging totoo sa bagong column; kung hindi, ito ay nagiging false.

Ang bagong column ay idinagdag na may pangalang 'Pass_Status,' at ang column na ito ay binubuo lamang ng 'True' at 'False.' Nagiging totoo ito kung saan ang mga nakuhang marka at gayundin ang mga praktikal na marka ay mas malaki sa 40 at mali para sa natitirang mga hilera.

Konklusyon

Ang pangunahing layunin ng tutorial na ito ay ipaliwanag ang konsepto ng 'at kundisyon' sa 'pandas'. Napag-usapan namin kung paano makuha ang mga row na iyon kung saan natutugunan ang parehong kundisyon, o nagiging totoo din kami para sa mga kung saan nasiyahan ang lahat ng kundisyon at mali para sa natitira. Na-explore namin ang apat na halimbawa dito. Lahat ng apat sa mga halimbawa na itinatag namin sa tutorial na ito ay dumaan sa prosesong ito. Ang mga halimbawa sa tutorial na ito ay maingat na ipinakita para sa iyong kapakinabangan. Ang tutorial na ito ay dapat na tumulong sa iyo sa pag-unawa sa ideyang ito nang mas malinaw.