Süntaks
df [ ( tingimus_1 ) & ( tingimus_2 ) ]Näide 01
Teeme need koodid rakenduses 'Spyder' ja kasutame siin 'pandade' tingimustes operaatorit 'AND'. Pandade koodide tegemisel peame esmalt importima 'pandad pd-na' ja saame selle meetodi, lisades oma koodi lihtsalt 'pd'. Seejärel genereerime sõnastiku nimega 'Cond' ja siia sisestatavad andmed on 'A1', 'A2' ja 'A3' on veergude nimed ning lisame '1, 2 ja 3'. A1”, “A2”-s on “2, 6 ja 4” ning viimane “A3” sisaldab “3, 4 ja 5”.
Seejärel hakkame tegema selle sõnastiku DataFrame'i, kasutades siin olevat 'pd.DataFrame'. See tagastab ülaltoodud sõnastikuandmete DataFrame'i. Samuti renderdame selle, pakkudes siin 'print ()' ja pärast seda rakendame mõningaid tingimusi ja kasutame selles tingimuses ka operaatorit '&'. Esimene tingimus on siin, et 'A1 >= 1' ja seejärel paneme operaatori '&' ja asetame teise tingimuse, mis on 'A2 < 5'. Selle käivitamisel tagastab see tulemuse, kui 'A1 >=1' ja ka 'A2 < 5'. Kui siin on täidetud mõlemad tingimused, siis kuvab tulemus ja kui mõni neist ei ole siin täidetud, siis andmeid ei kuvata.
See kontrollib nii DataFrame'i veerge „A1” kui ka „A2” ja tagastab seejärel tulemuse. Tulemus kuvatakse ekraanil, kuna kasutame lauset 'print ()'.
Tulemus on siin. See kuvab kõik andmed, mille oleme DataFrame'i sisestanud, ja seejärel kontrollib mõlemat tingimust. Tagastab need read, kus 'A1 >=1' ja ka 'A2 < 5'. Selles väljundis saame kaks rida, kuna mõlemad tingimused on täidetud kahes reas.
Näide 02
Selles näites loome DataFrame'i otse pärast pandade importimist pd-na. Siin luuakse meeskonna andmeraam, mille andmed sisaldavad nelja veergu. Esimene veerg on siin veerg 'meeskonnad', kuhu paneme 'A, A, B, B, B, B, C, C'. Seejärel on 'meeskondade' kõrval olev veerg 'skoor', kuhu sisestame '25, 12, 15, 14, 19, 23, 25 ja 29'. Pärast seda on meil veerg 'Väljas' ja lisame sinna ka andmed kui '5, 7, 7, 9, 12, 9, 9 ja 4'. Meie viimane veerg siin on veerg 'tagasilöögid', mis sisaldab ka mõningaid arvandmeid, milleks on '11, 8, 10, 6, 6, 5, 9 ja 12'.
DataFrame on siin valmis ja nüüd peame selle DataFrame'i printima, nii et selle jaoks paneme siia 'print ()'. Tahame sellelt DataFrame'ilt saada konkreetseid andmeid, seega seadsime siin mõned tingimused. Meil on siin kaks tingimust ja lisame nende tingimuste vahele operaatori 'JA', nii et see tagastab ainult need tingimused, mis vastavad mõlemale tingimusele. Esimene tingimus, mille oleme siia lisanud, on 'skoor > 20' ja seejärel asetage operaator '&' ja teine tingimus, mis on 'Out == 9'.
Seega filtreerib see need andmed, mille võistkonna punktisumma on alla 20 ja ka nende väljalangemised on 9. See filtreerib need ja ignoreerib ülejäänud, mis ei vasta mõlemale tingimusele ega ühelegi neist. Samuti kuvame need andmed, mis vastavad mõlemale tingimusele, seega oleme kasutanud “print ()” meetodit.
Ainult kaks rida vastavad mõlemale tingimusele, mida oleme sellele DataFrame'ile rakendanud. See filtreerib ainult need read, mille skoor on suurem kui 20, ja ka nende väljundid on 9 ja kuvatakse need siin.
Näide 03
Ülaltoodud koodides sisestame oma DataFrame'i lihtsalt arvandmed. Nüüd lisame sellesse koodi mõned stringiandmed. Pärast 'pandade pd-na' importimist hakkame looma andmeraami 'Member'. See sisaldab nelja ainulaadset veergu. Esimese veeru nimi on siin 'Nimi' ja sisestame liikmete nimed, milleks on 'liitlased, arved, Charles, David, Ethen, George ja Henry'. Järgmise veeru nimi on siin 'Asukoht' ja sellel on 'Ameerika. Kanada, Euroopa, Kanada, Saksamaa, Dubai ja Kanada”. Veerg „Kood” sisaldab „W, W, W, E, E, E ja E”. Lisame siia ka liikmete “punktid” kui “11, 6, 10, 8, 6, 5 ja 12”. Andmeraami “Member” renderdame “print ()” meetodi abil. Oleme selles DataFrame'is täpsustanud mõned tingimused.
Siin on meil kaks tingimust ja kui lisate nende vahele operaatori 'AND', tagastab see ainult tingimused, mis vastavad mõlemale tingimusele. Siin on esimene tingimus, mille oleme kasutusele võtnud, 'Location == Kanada', millele järgneb operaator '&' ja teine tingimus 'punktid <= 9'. See hangib DataFrame'ist need andmed, milles mõlemad tingimused on täidetud, ja seejärel oleme paigutanud 'print ()', mis kuvab need andmed, milles mõlemad tingimused on tõesed.
Allpool näete, et DataFrame'ist ekstraheeritakse ja kuvatakse kaks rida. Mõlemas reas on asukoht 'Kanada' ja punkte on vähem kui 9.
Näide 04
Impordime siia nii 'pandad' kui ka 'numpy' vastavalt kui 'pd' ja 'np'. Meetodid 'pandad' saame, asetades 'pd' ja 'numpy' meetodid, asetades 'np' vajalikku kohta. Siis sisaldab meie siin loodud sõnastik kolme veergu. Veergu 'Nimi', kuhu sisestame 'liitlased, George, Nimi, Samuel ja William'. Järgmisena on meil veerg 'Obt_Marks', mis sisaldab õpilaste saadud hindeid ja need hinded on '4, 47, 55, 74 ja 31'.
Samuti loome siia veeru “Prac_Marks”, millel on õpilase praktilised märgid. Siia lisatavad märgid on '5, 67, 54, 56 ja 12'. Teeme selle sõnastiku DataFrame'i ja seejärel prindime selle. Siin rakendame 'np.Logical_and', mis tagastab tulemuse 'True' või 'False' kujul. Samuti salvestame tulemuse peale mõlema tingimuse kontrollimist uude veergu, mille oleme siin loonud nimega “Pass_Status”.
See kontrollib, kas 'Obt_Marks' on suurem kui '40' ja 'Prac_Marks' on suurem kui '40'. Kui mõlemad on tõesed, renderdatakse see uues veerus tõeseks; vastasel juhul muudab see valeks.
Uus veerg lisatakse nimega 'Pass_Status' ja see veerg koosneb ainult väärtustest 'True' ja 'False'. See muutub tõeseks, kui saadud hinded ja ka praktilised hinded on suuremad kui 40 ja ülejäänud ridade puhul väär.
Järeldus
Selle õpetuse peamine eesmärk on selgitada pandade mõistet 'ja seisund'. Oleme rääkinud, kuidas omandada neid ridu, kus mõlemad tingimused on täidetud, või saame ka tõeseks nende jaoks, kus kõik tingimused on täidetud, ja vääraks ülejäänud jaoks. Oleme siin uurinud nelja näidet. Kõik neli näidet, mille oleme selles õpetuses loonud, on selle protsessi läbinud. Kõik selle õpetuse näited on teie huvides läbimõeldult esitatud. See õpetus peaks aitama teil seda ideed selgemalt mõista.