תחביר
df [ ( cond_1 ) & ( תנאי_2 ) ]דוגמה 01
אנו עושים את הקודים האלה באפליקציית 'Spyder' ונשתמש באופרטור 'AND' בתנאים שלנו ב'פנדות' כאן. כפי שאנו עושים את קודי הפנדות, אז אנחנו צריכים קודם כל לייבא את 'פנדות כ-pd' ונקבל את השיטה שלה על ידי הכנסת 'pd' בלבד בקוד שלנו. לאחר מכן אנו יוצרים מילון עם השם 'Cond', והנתונים שאנו מכניסים כאן הם 'A1', 'A2' ו-'A3' הם שמות העמודות, ונוסיף '1, 2 ו-3' ב-' A1', ב-'A2' יש '2, 6 ו-4' וה-A3 האחרון מכיל '3, 4 ו-5'.
לאחר מכן אנו עוברים ליצור את ה-DataFrame של מילון זה על ידי שימוש ב-'pd.DataFrame' כאן. פעולה זו תחזיר את ה-DataFrame של נתוני המילון הנ'ל. אנו גם מעבדים אותו על ידי מתן ה-'הדפס ()' כאן, ולאחר מכן, אנו מיישמים כמה תנאים וגם משתמשים באופרטור '&' במצב זה. התנאי הראשון כאן הוא ש'A1 >= 1', ולאחר מכן שמים את האופרטור '&' ומציבים תנאי נוסף שהוא 'A2 < 5'. כאשר אנו מבצעים זאת, זה יחזיר את התוצאה אם 'A1 >=1' וגם 'A2 < 5'. אם שני התנאים מתקיימים כאן, זה יציג את התוצאה, ואם אחד מהם לא מתקיים כאן, אז זה לא יציג שום נתונים.
הוא בודק גם את העמודות 'A1' וגם 'A2' של ה-DataFrame ואז מחזיר את התוצאה. התוצאה מוצגת על המסך מכיוון שאנו משתמשים במשפט 'הדפס ()'.
התוצאה כאן. הוא מציג את כל הנתונים שהכנסנו ל-DataFrame ולאחר מכן בודק את שני התנאים. הוא מחזיר את השורות שבהן 'A1 >=1' וגם 'A2 < 5'. אנו מקבלים שתי שורות בפלט זה מכיוון ששני התנאים מתקיימים בשתי שורות.
דוגמה 02
בדוגמה זו, אנו יוצרים ישירות את ה-DataFrame לאחר ייבוא ה-'pandas as pd'. 'צוות' DataFrame נוצר כאן, כאשר הנתונים מכילים ארבע עמודות. העמודה הראשונה היא עמודת ה'צוותים' בה שמנו את 'א, א, ב, ב, ב, ב, ג, ג'. אז העמודה שליד ה'צוותים' היא 'ניקוד', שבה נכניס '25, 12, 15, 14, 19, 23, 25 ו-29'. לאחר מכן, העמודה שיש לנו היא 'Out', ואנחנו מוסיפים בה נתונים גם בתור '5, 7, 7, 9, 12, 9, 9 ו-4'. העמודה האחרונה שלנו כאן היא העמודה 'ריבאונדים' שמכילה גם כמה נתונים מספריים, שהם '11, 8, 10, 6, 6, 5, 9 ו-12'.
ה-DataFrame הושלם כאן, ועכשיו עלינו להדפיס את ה-DataFrame הזה, אז לשם כך, אנו שמים את ה-'הדפס ()' כאן. אנחנו רוצים לקבל כמה נתונים ספציפיים מה-DataFrame הזה, אז הגדרנו כמה תנאים כאן. יש לנו כאן שני תנאים, ואנו מוסיפים את האופרטור 'AND' בין התנאים הללו, כך שהוא יחזיר רק את התנאים שיעמדו בשני התנאים. התנאי הראשון שהוספנו כאן הוא 'ציון > 20' ולאחר מכן הצב את האופרטור '&' ואת התנאי השני שהוא 'Out == 9'.
אז, הוא יסנן את הנתונים שבהם הציון של הקבוצה הוא פחות מ-20 וגם האאוט שלהם הוא 9. הוא מסנן את אלה ומתעלם מהנותרים, שלא יעמדו בשני התנאים או אף אחד מהם. אנו מציגים גם את הנתונים שעומדים בשני התנאים, לכן השתמשנו בשיטת 'הדפס ()'.
רק שתי שורות עומדות בשני התנאים, שהחלנו על DataFrame זה. זה מסנן רק את השורות שבהן הציון גדול מ-20, וגם, היציאה שלהן היא 9 ומציגה אותן כאן.
דוגמה 03
בקודים לעיל, אנו פשוט מכניסים את הנתונים המספריים ל-DataFrame שלנו. כעת, אנו שמים כמה נתוני מחרוזת בקוד הזה. לאחר ייבוא ה-'pandas as pd', אנו עוברים לבנות DataFrame 'Member'. הוא מכיל ארבע עמודות ייחודיות. שם העמודה הראשונה כאן הוא 'שם', ואנו מכניסים את שמות החברים, שהם 'בעלי ברית, בילס, צ'ארלס, דיוויד, אתן, ג'ורג' והנרי'. העמודה הבאה נקראת כאן 'מיקום', ויש לה 'אמריקה. קנדה, אירופה, קנדה, גרמניה, דובאי וקנדה' בו. העמודה 'קוד' מכילה 'W, W, W, E, E, E ו-E'. אנו גם מוסיפים את ה'נקודות' של החברים כאן כ'11, 6, 10, 8, 6, 5 ו-12'. אנו מעבדים את 'Member' DataFrame באמצעות שיטת 'הדפס ()'. ציינו כמה תנאים ב-DataFrame זה.
כאן, יש לנו שני תנאים, ועל ידי הוספת האופרטור 'AND' ביניהם, הוא יחזיר רק תנאים שעומדים בשני התנאים. כאן, התנאי הראשון שהצגנו הוא 'מיקום == קנדה', ואחריו האופרטור '&', והתנאי השני, 'נקודות <= 9'. הוא מקבל את הנתונים האלה מה-DataFrame שבו שני התנאים מתקיימים, ואז הצבנו 'הדפס ()' שמציג את הנתונים שבהם שני התנאים נכונים.
להלן ניתן לשים לב ששתי שורות נשלפות מה-DataFrame ומוצגות. בשתי השורות, המיקום הוא 'קנדה', והנקודות קטנות מ-9.
דוגמה 04
אנו מייבאים לכאן גם את ה'פנדות' וגם ה-'numpy' כ-'pd' ו-'np', בהתאמה. אנו מקבלים את שיטות 'פנדות' על ידי הצבת 'pd' ושיטות 'numpy' על ידי הצבת 'np' היכן שצריך. אז המילון שיצרנו כאן מכיל שלוש עמודות. בעמודה 'שם' שבה, נוסיף 'בעלי ברית, ג'ורג', נימי, סמואל וויליאם'. לאחר מכן, יש לנו את העמודה 'Obt_Marks', המכילה את הציונים שהושגו של התלמידים, והציונים הללו הם '4, 47, 55, 74 ו-31'.
אנו גם יוצרים כאן עמודה עבור 'Prac_Marks' עם הציונים המעשיים של התלמיד. הסימנים שאנו מוסיפים כאן הם '5, 67, 54, 56 ו-12'. אנו יוצרים את ה-DataFrame של המילון הזה ואז מדפיסים אותו. אנו מיישמים כאן את ה-'np.Logical_and', שיחזיר את התוצאה בצורת 'True' או 'False'. אנו גם מאחסנים את התוצאה לאחר בדיקת שני התנאים בעמודה חדשה, שיצרנו כאן בשם 'Pass_Status'.
הוא בודק שה-'Obt_Marks' גדול מ-'40' ו-'Prac_Marks' גדול מ-'40'. אם שניהם נכונים, זה יהפוך ל-true בעמודה החדשה; אחרת, הוא הופך לשווא.
העמודה החדשה מתווספת בשם 'Pass_Status', ועמודה זו מורכבת מ'True' ו-'False' בלבד. זה הופך נכון כאשר הסימנים שהושגו וגם הסימנים המעשיים גדולים מ-40 ושקריים עבור השורות הנותרות.
סיכום
המטרה העיקרית של המדריך הזה היא להסביר את המושג 'ומצב' ב'פנדות'. דיברנו על איך להשיג את השורות שבהן שני התנאים מתקיימים, או שאנחנו מתקיימים גם עבור אלה שבהן כל התנאים מתקיימים ושקריים עבור השאר. חקרנו כאן ארבע דוגמאות. כל ארבע הדוגמאות שיצרנו במדריך זה עברו תהליך זה. הדוגמאות במדריך זה הוצגו כולן מתוך מחשבה לטובתך. הדרכה זו אמורה לעזור לך להבין את הרעיון הזה בצורה ברורה יותר.