Sintaksa
df [ ( cond_1 ) & ( cond_2 ) ]Primer 01
Te kode izvajamo v aplikaciji »Spyder« in bomo v naših pogojih v »pandah« tukaj uporabili operator »AND«. Ker delamo kode pand, moramo najprej uvoziti »pande kot pd« in pridobili bomo njihovo metodo tako, da v kodo vnesemo samo »pd«. Nato ustvarimo slovar z imenom »Cond« in podatki, ki jih vstavimo tukaj, so »A1«, »A2« in »A3« so imena stolpcev, dodamo pa »1, 2 in 3« v » A1«, v »A2« je »2, 6 in 4«, zadnji »A3« pa vsebuje »3, 4 in 5«.
Nato bomo naredili DataFrame tega slovarja z uporabo »pd.DataFrame« tukaj. To bo vrnilo DataFrame zgornjih podatkov slovarja. Upodobimo ga tudi tako, da tukaj zagotovimo »print ()«, nato pa uporabimo nekatere pogoje in v tem pogoju uporabimo tudi operator »&«. Prvi pogoj tukaj je, da je 'A1 >= 1', nato pa postavimo operator '&' in postavimo še en pogoj, ki je 'A2 < 5'. Ko to izvedemo, bo vrnil rezultat, če je »A1 >=1« in tudi »A2 < 5«. Če sta tukaj izpolnjena oba pogoja, bo prikazal rezultat, in če kateri od njiju tukaj ni izpolnjen, potem ne bo prikazal nobenih podatkov.
Preveri oba stolpca »A1« in »A2« DataFrame in nato vrne rezultat. Rezultat je prikazan na zaslonu, ker uporabljamo stavek »print ()«.
Rezultat je tukaj. Prikaže vse podatke, ki smo jih vstavili v DataFrame in nato preveri oba pogoja. Vrne tiste vrstice, v katerih je »A1 >=1« in tudi »A2 < 5«. V tem izhodu dobimo dve vrstici, ker sta v dveh vrsticah izpolnjena oba pogoja.
Primer 02
V tem primeru neposredno ustvarimo DataFrame po uvozu »pand kot pd«. Tukaj je ustvarjen DataFrame »Team« s podatki, ki vsebujejo štiri stolpce. Prvi stolpec je stolpec »ekipe«, v katerega vnesemo »A, A, B, B, B, B, C, C«. Nato je stolpec poleg »ekip« »rezultat«, v katerega vstavimo »25, 12, 15, 14, 19, 23, 25 in 29«. Po tem je stolpec, ki ga imamo, »Izven«, vanj pa dodamo tudi podatke kot »5, 7, 7, 9, 12, 9, 9 in 4«. Naš zadnji stolpec tukaj je stolpec »odboji«, ki vsebuje tudi nekaj številskih podatkov, ki so »11, 8, 10, 6, 6, 5, 9 in 12«.
DataFrame je tukaj dokončan in zdaj moramo natisniti ta DataFrame, zato za to tukaj postavimo »print ()«. Iz tega DataFrame želimo pridobiti nekaj specifičnih podatkov, zato smo tukaj postavili nekaj pogojev. Tukaj imamo dva pogoja in med tema pogojema dodamo operator »IN«, tako da bo vrnil samo tiste pogoje, ki bodo izpolnjevali oba pogoja. Prvi pogoj, ki smo ga dodali tukaj, je 'rezultat > 20', nato pa operator '&' in drugi pogoj, ki je 'Out == 9'.
Torej bo filtriral tiste podatke, kjer je rezultat ekipe nižji od 20 in so tudi njihovi izpadi 9. Filtrira te podatke in ignorira preostale, ki ne bodo izpolnjevali obeh pogojev ali katerega koli od njih. Prikažemo tudi tiste podatke, ki izpolnjujejo oba pogoja, zato smo uporabili metodo »print ()«.
Samo dve vrstici izpolnjujeta oba pogoja, ki smo ju uporabili za ta DataFrame. Filtrira samo tiste vrstice, v katerih je rezultat večji od 20, poleg tega pa so njihovi outi 9 in jih prikaže tukaj.
Primer 03
V naših zgornjih kodah samo vstavimo številske podatke v naš DataFrame. Zdaj v to kodo vnašamo nekaj nizovnih podatkov. Po uvozu »pand kot pd« bomo gradili »Member« DataFrame. Vsebuje štiri edinstvene stolpce. Ime prvega stolpca tukaj je »Ime« in vstavimo imena članov, ki so »Allies, Bills, Charles, David, Ethen, George in Henry«. Naslednji stolpec se tukaj imenuje »Lokacija« in ima »Amerika. Kanada, Evropa, Kanada, Nemčija, Dubaj in Kanada. Stolpec »Koda« vsebuje »W, W, W, E, E, E in E«. Tukaj dodamo tudi 'točke' članov kot '11, 6, 10, 8, 6, 5 in 12'. DataFrame »Member« upodabljamo z uporabo metode »print ()«. V tem DataFrame smo določili nekaj pogojev.
Tukaj imamo dva pogoja in z dodajanjem operatorja »IN« med njima bo vrnil le pogoje, ki izpolnjujejo oba pogoja. Tu je prvi pogoj, ki smo ga uvedli, »Lokacija == Kanada«, ki mu sledi operator »&«, drugi pogoj pa je »točke <= 9«. Iz DataFrame pridobi tiste podatke, v katerih sta izpolnjena oba pogoja, nato pa smo postavili »print ()«, ki prikaže tiste podatke, v katerih sta oba pogoja resnična.
Spodaj lahko opazite, da sta dve vrstici ekstrahirani iz DataFrame in prikazani. V obeh vrsticah je lokacija 'Kanada', točke pa so manjše od 9.
Primer 04
Tukaj uvozimo tako »pande« kot »numpy« kot »pd« oziroma »np«. Metode »pandas« dobimo tako, da postavimo »pd«, metode »numpy« pa tako, da postavimo »np«, kjer je potrebno. Nato slovar, ki smo ga ustvarili tukaj, vsebuje tri stolpce. V stolpec »Ime« vstavimo »Allies, George, Nimi, Samuel in William«. Nato imamo stolpec »Obt_Marks«, ki vsebuje pridobljene ocene učencev in te ocene so »4, 47, 55, 74 in 31«.
Tukaj ustvarimo tudi stolpec za »Prac_Marks«, ki vsebuje praktične ocene študenta. Oznake, ki jih dodamo tukaj, so '5, 67, 54, 56 in 12'. Izdelamo DataFrame tega slovarja in ga nato natisnemo. Tu uporabimo »np.Logical_and«, ki vrne rezultat v obliki »True« ali »False«. Prav tako shranimo rezultat po preverjanju obeh pogojev v nov stolpec, ki smo ga ustvarili tukaj z imenom “Pass_Status”.
Preveri, ali je »Obt_Marks« večji od »40« in »Prac_Marks« večji od »40«. Če sta obe pravilni, bo v novem stolpcu upodobljeno resnično; v nasprotnem primeru se prikaže kot lažno.
Nov stolpec je dodan z imenom »Pass_Status« in ta stolpec je sestavljen samo iz »True« in »False«. Upodobi se kot resnično, če so dobljene ocene in tudi praktične ocene višje od 40, za preostale vrstice pa napačno.
Zaključek
Glavni cilj te vadnice je razložiti koncept 'in stanja' v 'pandah'. Govorili smo o tem, kako pridobiti tiste vrstice, kjer sta izpolnjena oba pogoja, ali pa dobimo tudi true za tiste, kjer so vsi pogoji izpolnjeni, in false za preostale. Tukaj smo raziskali štiri primere. Vsi štirje primeri, ki smo jih vzpostavili v tej vadnici, so šli skozi ta postopek. Vsi primeri v tej vadnici so bili premišljeno predstavljeni v vašo korist. Ta vadnica bi vam morala pomagati pri jasnejšem razumevanju te ideje.