Kuidas kasutada Panda juhtumi avaldust?
Juhtumiavaldusi saab luua mitmel viisil. Funktsioon NumPy where(), mis kasutab järgmist põhisüntaksit, on lihtsaim viis juhtumilause koostamiseks Panda DataFrame'is:
df [ 'veeru nimi' ] = np.kus ( tingimus 1 , väärtus1,np.kus ( tingimus kaks , väärtus2,
np.kus ( tingimus 3 , 'väärtus3', 'väärtus4' ) ) )
Ülaltoodud lause kontrollib väärtuse iga tingimust ja kui tingimus on täidetud, genereerib väljundi või tagastab väärtuse tingimusega võrreldes.
Näide # 1: Panda juhtumi avaldus Funktsiooni where() kasutamine
Loome esmalt andmeraami, et saaksime kasutada oma juhtumiaruannet. Andmeraami loomiseks impordime esmalt numpy ja panda moodulid, et saaksime kasutada nende funktsioone. Pd.Dataframe() kasutatakse meie andmeraami loomiseks.
Oleme loonud 'df' andmeraami. Pythoni sõnastik edastatakse pd-s.DataFrame() toimib võtmete ja väärtustega argumendina. Kasutame oma andmeraami vaatamiseks funktsiooni print().
Andmeraamis 'df' on kaks veergu 'name' ja 'marks' väärtustega ['Ron', 'Tim', 'Anna', 'Jack', 'Rob', 'Lucy'] ja [4, 6 , 8, 6, 9,10]. Oletame, et see nimi on veerud, mis salvestavad õpilaste nimed, ja veerg 'hinded' salvestab mõne hiljutise testi tulemused. Nüüd kirjutame juhtumiavalduse, mis lisab iga tingimuse jaoks uue veeru nimega 'märkused', mille väärtused põhinevad meie poolt määratud väärtustel.
Meetod „numpy.where()” pakub sisendmassiivist, veerust või loendist pärit elementide indeksid, mis vastavad määratud tingimusele. Ülaltoodud lüliti puhul kontrollib funktsioon np.where() iga elementi 'marks' veergudes. Kui väärtus on 5 või väiksem, tagastab see väljundina 'faili'. Kui väärtus on väiksem kui 7 või sellega võrdne, tagastab see rahuldava väärtuse ja kui väärtus on väiksem või võrdne 9-ga, tagastab see väärtuse „suurepärane”. Kui neid pole, on tulemus suurepärane.
Nagu võib märgata, luuakse meie df-andmeraamis uus veerg 'märkused', mis salvestab ülaltoodud juhtumilause tagastatud väärtused.
Näide nr 2:
Proovime ülaltoodud juhtumilauset uuesti teise andmeraamiga. Oletame, et peame mängijaid hindama nende eelmise jalgpalliturniiri väravate kogusumma alusel. Nii et teeme andmeraami jalgpalluri rekordite salvestamiseks.
Andmeraami loomiseks oleme andmeraami loomiseks edastanud funktsiooni pd.DataFrame() sees oleva sõnastiku, mille võtmed on 'nimi' ja 'eesmärgid'. Andmeraami printimiseks kasutame printimisfunktsiooni.
Nagu ülaltoodud andmeraamist näha, on meil kaks veergu: 'nimi' ja 'eesmärgid'. Veeru nimes on mängijate nimed [John, Marty, Clay, Nick, Mike, Alex, Tom, Rocky]. Väravate veerus on iga mängija poolt eelmisel turniiril löödud väravate koguarv. Nüüd kasutame oma juhtumikirjeldust nende mängijate hindamiseks nende löödud väravate alusel.
Ülaltoodud juhtum luuakse funktsiooni where() abil. Korpuse sees kontrollib avalduse funktsioon iga elementi veergudes 'märgid' tingimuste suhtes. Kui veerus „eesmärgid” olev väärtus on 5 või väiksem, tagastab see „C”. Kui veerus „eesmärgid” olev väärtus on 9 või väiksem, tagastab see väärtuse „B”. See tagastab väärtuse A, kui veerus „eesmärgid” olev väärtus on 10 või suurem. Avaldise tagastatud väärtused salvestatakse uude veergu „hinnang”. Tulemuste nägemiseks printige 'df'.
Uus veerg “reiting” on ülaltoodud skripti abil edukalt loodud.
Näide # 3: Panda if-else avaldus Funktsiooni apply() kasutamine
Andmeraami rea- või veerutelge kasutab rakendus() funktsiooni rakendamiseks. Saame luua oma määratletud funktsiooni ja kasutada seda pandade andmeraamis. See sisaldab kui-muidu tingimusi. Loome esmalt oma andmeraami, seejärel loome funktsiooni, milles kasutame tulemuse genereerimiseks if-else lauset. Andmeraami loomiseks impordime esmalt pandade mooduli, seejärel edastame meetodi pd.DataFrame() sees sõnastiku.
Nagu näha, koosneb meie andmeraam kahest veerust 'A', mis salvestavad arvväärtusi [23, 35, 64, 74, 85] ja 'B' väärtustega [45, 34, 61, 89, 27]. Nüüd loome funktsiooni, mis määrab, milline väärtus on meie andmeraami iga rea mõlema veeru hulgas suurem.
Võite kasutada Pythoni lambda funktsiooni 'pandas. DataFrame.apply()” avaldise käivitamiseks. Pythonis on lambda-funktsioon kompaktne anonüümne funktsioon, mis aktsepteerib mis tahes arvu argumente ja täidab avaldise. Ülaltoodud skriptis oleme loonud tingimuslause, mis võrdleb mõlema veeru väärtust ja salvestab tulemuse uude võrdlusveergu. Kui veeru 'A' väärtus on väiksem kui veeru 'B' väärtus, tagastab see 'B on suurem'. Kui tingimus ei ole täidetud, tagastab see 'A on suurem'.
Näide nr 4:
Proovime teist näidet, kasutades if-else lauset funktsiooni apply() sees koos teise andmeraamiga.
Oletame, et meie andmeraam salvestab mõne ettevõtte töötajate kirjeid. Veerus 'emp' on salvestatud töötajate nimed ['Franky', 'Harry', 'Luke', 'Peter', 'Andrew'], veerus 'palk' aga iga töötaja palgad [1350, 1000, 900 , 1200, 980] df andmeraamis. Nüüd loome oma if-else lause, kasutades meetodit apply().
Ülaltoodud tingimus kontrollib iga väärtust veerus 'palk' ja lisab 200 nende töötajate palkadele, kelle palga väärtus on väiksem kui 1000 või sellega võrdne. Oleme salvestanud funktsiooni apply() poolt tagastatud väärtused uude veergu ' juurdekasv'. Vaatame ülaltoodud skripti tulemusi.
Nagu näete, on funktsioon edukalt lisanud 200 väärtustele, mis olid väiksemad või võrdsed 100-ga. Väärtused, mis olid suuremad kui 1000, jäid muutumatuks.
Järeldus:
Selles õpetuses nägime, et kui tingimus on täidetud, tagastab seda tüüpi avaldus, mida nimetatakse juhtumilauseks, väärtuse. Oleme näinud, kuidas saate vajaliku toimingu või ülesande täitmiseks luua juhtumiavalduse. Selles õpetuses oleme kasutanud käändelausete loomiseks funktsiooni np.where() ja funktsiooni apply(). Rakendasime mõned näited, et õpetada teile, kuidas kasutada panda juhtumilauseid, kasutades funktsiooni where() ja kuidas kasutada käändelausete loomiseks funktsiooni apply().