Panda e condizioni

"Possiamo definire" panda "come uno strumento open source. Possiamo creare diversi dizionari e telai di dati utilizzando "panda". Possiamo anche applicare condizioni e operatori ai nostri dati in "panda". Qui discuteremo dell'operatore "e", che utilizzeremo nelle nostre condizioni in "Panda". Quando utilizziamo l'operatore "e" in una condizione, restituirà "vero" se tutte le condizioni sono soddisfatte e se una condizione non è soddisfatta, allora restituisce "falso". Nella maggior parte dei linguaggi di programmazione, è simboleggiato dal segno "&&", ma nella programmazione di Pandas, è simboleggiato da "&". Esploreremo la "condizione" in questo tutorial."

Sintassi

df [(cond_1) e (cond_2)]

Esempio 01

Facciamo questi codici sull'app "Spyder" e utilizzeremo l'operatore "e" nelle nostre condizioni in "Panda" qui. Dato che stiamo facendo i codici Pandas, quindi dobbiamo prima importare i "panda come PD" e otterremo il suo metodo mettendo solo "PD" nel nostro codice. Quindi generiamo un dizionario con il nome "cond", e i dati che inseriamo qui sono "A1", "A2" e "A3" sono i nomi delle colonne e aggiungiamo "1, 2 e 3" in " A1 ", in" A2 "c'è" 2, 6 e 4 "e l'ultimo" A3 ", contiene" 3, 4 e 5 ".

Quindi ci stiamo muovendo per creare il telaio di dati di questo dizionario utilizzando il "PD.DataFrame ”qui. Ciò restituirà il telaio dei dati di cui sopra. Lo rendiamo anche fornendo la "print ()" qui e, dopo questo, applichiamo alcune condizioni e utilizziamo anche l'operatore "&" in questa condizione. La prima condizione qui è che "A1> = 1", e poi mettiamo l'operatore "&" e posizioniamo un'altra condizione che è "A2 = 1" e anche "A2 < 5”. If both conditions are satisfied here, then it will display the result, and if any one of them is not satisfied here, then it will not display any data.

Controlla le colonne "A1" e "A2" del Frame dati e quindi restituisce il risultato. Il risultato viene visualizzato sullo schermo perché utilizziamo l'istruzione "Print ()".

Il risultato è qui. Visualizza tutti i dati che abbiamo inserito nel frame dati e quindi controlla entrambe le condizioni. Restituisce quelle righe in cui “A1> = 1” e anche “A2 < 5”. We get two rows in this output because both conditions are satisfied in two rows.

Esempio 02

In questo esempio, creiamo direttamente il frame dati dopo aver importato il "panda come PD". Il team di dati "team" viene creato qui, con i dati contenenti quattro colonne. La prima colonna è la colonna "squadre" qui in cui mettiamo "A, A, B, B, B, B, C, C". Quindi la colonna accanto alle "squadre" è "punteggio", in cui inseriamo "25, 12, 15, 14, 19, 23, 25 e 29". Dopo questo, la colonna che abbiamo è "fuori" e aggiungiamo anche dati come "5, 7, 7, 9, 12, 9, 9 e 4". La nostra ultima colonna qui è la colonna "rimbalzi" che contiene anche alcuni dati numerici, che è "11, 8, 10, 6, 6, 5, 9 e 12".

Il frame dati è completato qui, e ora dobbiamo stampare questo frame dati, quindi per questo posizioniamo "print ()" qui. Vogliamo ottenere alcuni dati specifici da questo telaio di dati, quindi impostiamo alcune condizioni qui. Abbiamo due condizioni qui e aggiungiamo l'operatore "e" tra queste condizioni, quindi restituirà solo quelle condizioni che soddisfano entrambe le condizioni. La prima condizione che abbiamo aggiunto qui è il "punteggio> 20" e quindi posizionare l'operatore "&" e l'altra condizione che è "out == 9".

Quindi, filtrerà quei dati in cui il punteggio della squadra è inferiore a 20 e anche i loro outs sono 9. Filtra quelli e ignora il restante, che non soddisferà sia le condizioni o nessuno di essi. Visualizziamo anche quei dati che soddisfano entrambe le condizioni, quindi abbiamo utilizzato il metodo "Print ()".

Solo due righe soddisfano entrambe le condizioni, che abbiamo applicato a questo frame dati. Filtra solo quelle righe in cui il punteggio è superiore a 20, e anche i loro out sono 9 e le mostra qui.

Esempio 03

Nei nostri codici sopra, inseriamo semplicemente i dati numerici nel nostro telaio di dati. Ora stiamo mettendo alcuni dati di stringa in questo codice. Dopo aver importato il "panda come PD", ci stiamo muovendo per creare un telaio di dati "membro". Contiene quattro colonne uniche. Il nome della prima colonna qui è "nome", e inseriamo i nomi dei membri, che sono "alleati, fatture, Charles, David, Eten, George ed Henry". La colonna successiva si chiama "posizione" qui e ha "America. Canada, Europa, Canada, Germania, Dubai e Canada ”. La colonna "Code" contiene "W, W, W, E, E, E ed E". Aggiungiamo anche i "punti" dei membri qui come "11, 6, 10, 8, 6, 5 e 12". Reniamo il telaio di dati "membro" con l'utilizzo del metodo "print ()". Abbiamo specificato alcune condizioni in questo frame dati.

Qui, abbiamo due condizioni e aggiungendo l'operatore "e" tra di loro, restituirà solo condizioni che soddisfano entrambe le condizioni. Qui, la prima condizione che abbiamo introdotto è "posizione == Canada", seguita dall'operatore "&" e la seconda condizione, "Punti <= 9”. It gets those data from the DataFrame in which both conditions are satisfied, and then we have placed “print ()” which displays those data in which both conditions are true.

Di seguito è possibile notare che due righe vengono estratte dal frame dati e visualizzate. In entrambe le file, la posizione è "Canada" e i punti sono inferiori a 9.

Esempio 04

Importiamo sia i "panda" che "numpy" qui come "PD" e "NP", rispettivamente. Otteniamo i metodi "Panda" posizionando "PD" e i metodi "numpy" posizionando il "NP" dove necessario. Quindi il dizionario che abbiamo creato qui contiene tre colonne. Nella colonna "Nome" in cui inseriamo "Alleati, George, Nimi, Samuel e William". Successivamente, abbiamo la colonna "OBT_MARKS", che contiene i segni ottenuti degli studenti, e quei segni sono "4, 47, 55, 74 e 31".

Creiamo anche una colonna per i "prac_marks" qui che hanno i segni pratici dello studente. I segni che aggiungiamo qui sono "5, 67, 54, 56 e 12". Facciamo il telaio di dati di questo dizionario e poi lo stampiamo. Applichiamo il "NP.Logical_and "qui, che restituirà il risultato in forma" vera "o" falsa ". Archiviamo anche il risultato dopo aver controllato entrambe le condizioni in una nuova colonna, che abbiamo creato qui con il nome "Pass_status".

Verifica che "obt_marks" sia maggiore di "40" e "prac_marks" è maggiore di "40". Se entrambi sono veri, renderà vero nella nuova colonna; Altrimenti, rende falso.

La nuova colonna viene aggiunta con il nome "Pass_status", e questa colonna è costituita solo da "vero" e "falso". Rende vero dove i segni ottenuti e anche i segni pratici sono superiori a 40 e falsi per le file rimanenti.

Conclusione

L'obiettivo principale di questo tutorial è spiegare il concetto di "e condizione" in "panda". Abbiamo parlato di come acquisire quelle file in cui entrambe le condizioni sono soddisfatte, o diventiamo anche vero per coloro in cui tutte le condizioni sono soddisfatte e false per il restante. Abbiamo esplorato quattro esempi qui. Tutti e quattro gli esempi che abbiamo stabilito in questo tutorial hanno attraversato questo processo. Gli esempi in questo tutorial sono stati tutti pensieroso per il tuo vantaggio. Questo tutorial dovrebbe aiutarti a comprendere questa idea più chiaramente.