Панды и состояние

Pandy I Sostoanie

«Мы можем определить «Pandas» как инструмент с открытым исходным кодом. Мы можем создавать разные словари и DataFrames, используя «Pandas». Мы также можем применять условия и операторы к нашим данным в «пандах». Здесь мы обсудим оператор «и», который мы будем использовать в наших условиях в «пандах». Когда мы используем оператор «И» в условии, он вернет «ИСТИНА», если все условия выполнены, а если какое-либо одно условие не выполнено, то он вернет «ЛОЖЬ». В большинстве языков программирования он обозначается знаком «&&», но в программировании панд это символизируется «&». В этом уроке мы рассмотрим «и условие».

Синтаксис

дф [ ( условие_1 ) & ( cond_2 ) ]

Пример 01

Мы делаем эти коды в приложении «Spyder» и будем использовать оператор «И» в наших условиях в «пандах» здесь. Поскольку мы делаем коды pandas, нам сначала нужно импортировать «pandas as pd» и получить его метод, вставив в наш код просто «pd». Затем мы создаем словарь с именем «Cond», и вставляемые сюда данные: «A1», «A2» и «A3» — это имена столбцов, и мы добавляем «1, 2 и 3» в « A1», в «A2» есть «2, 6 и 4», а последний «A3» содержит «3, 4 и 5».



Затем мы переходим к созданию DataFrame этого словаря, используя здесь «pd.DataFrame». Это вернет DataFrame вышеуказанных данных словаря. Мы также визуализируем его, указав здесь «print ()», и после этого мы применяем некоторые условия, а также используем оператор «&» в этом условии. Первым условием здесь является то, что «A1 >= 1», а затем мы ставим оператор «&» и помещаем еще одно условие, которое «A2 < 5». Когда мы выполним это, он вернет результат, если «A1 >= 1», а также «A2 < 5». Если здесь выполнены оба условия, то он выведет результат, а если хоть одно из них здесь не выполнено, то никаких данных не выведет.



Он проверяет столбцы «A1» и «A2» DataFrame, а затем возвращает результат. Результат отображается на экране, потому что мы используем оператор «print ()».



Результат здесь. Он отображает все данные, которые мы вставили в DataFrame, а затем проверяет оба условия. Он возвращает те строки, в которых «A1 >= 1», а также «A2 < 5». Мы получаем две строки в этом выводе, потому что оба условия выполняются в двух строках.



Пример 02

В этом примере мы напрямую создаем DataFrame после импорта «панд как pd». Здесь создается DataFrame «Команда» с данными, содержащими четыре столбца. Первый столбец — это столбец «команды», в который мы помещаем «A, A, B, B, B, B, C, C». Затем столбец рядом с «командами» — «счет», в который мы вставляем «25, 12, 15, 14, 19, 23, 25 и 29». После этого столбец у нас есть «Out», и мы также добавляем в него данные как «5, 7, 7, 9, 12, 9, 9 и 4». Наш последний столбец здесь — это столбец «отскоков», который также содержит некоторые числовые данные: «11, 8, 10, 6, 6, 5, 9 и 12».

Здесь DataFrame завершен, и теперь нам нужно распечатать этот DataFrame, поэтому для этого мы размещаем здесь «print()». Мы хотим получить некоторые конкретные данные из этого DataFrame, поэтому мы устанавливаем здесь некоторые условия. Здесь у нас есть два условия, и мы добавляем оператор «И» между этими условиями, чтобы он возвращал только те условия, которые удовлетворяют обоим условиям. Первое условие, которое мы добавили здесь, — это «счет > 20», а затем поместите оператор «&» и другое условие — «Out == 9».

Таким образом, он будет фильтровать те данные, где счет команды меньше 20, а также их ауты равны 9. Он фильтрует те и игнорирует остальные, которые не удовлетворяют ни обоим условиям, ни одному из них. Мы также отображаем те данные, которые удовлетворяют обоим условиям, поэтому мы использовали метод «print ()».

Только две строки удовлетворяют обоим условиям, которые мы применили к этому DataFrame. Он фильтрует только те строки, в которых счет больше 20, а также их ауты равны 9, и отображает их здесь.

Пример 03

В приведенных выше кодах мы просто вставляем числовые данные в наш DataFrame. Теперь мы помещаем некоторые строковые данные в этот код. После импорта «панд как pd» мы переходим к созданию кадра данных «Член». Он содержит четыре уникальных столбца. Имя первого столбца здесь «Имя», и мы вставляем имена членов, которые являются «Эллис, Биллс, Чарльз, Дэвид, Итен, Джордж и Генри». Следующий столбец здесь называется «Местоположение», и в нем есть «Америка. Канада, Европа, Канада, Германия, Дубай и Канада». Столбец «Код» содержит «W, W, W, E, E, E и E». Мы также добавляем «очки» членов здесь как «11, 6, 10, 8, 6, 5 и 12». Мы визуализируем DataFrame «Member» с использованием метода «print ()». Мы указали некоторые условия в этом DataFrame.

Здесь у нас есть два условия, и, добавив между ними оператор «И», он вернет только те условия, которые удовлетворяют обоим условиям. Здесь первое условие, которое мы ввели, — это «Местоположение == Канада», за которым следует оператор «&», а второе условие — «точки <= 9». Он получает те данные из DataFrame, в которых выполняются оба условия, а затем мы размещаем «print()», который отображает те данные, в которых оба условия верны.

Ниже вы можете заметить, что из DataFrame извлекаются и отображаются две строки. В обеих строках место — «Канада», а количество очков меньше 9.

Пример 04

Мы импортируем сюда «панды» и «numpy» как «pd» и «np» соответственно. Мы получаем методы «pandas», помещая «pd» и методы «numpy», помещая «np» там, где это необходимо. Тогда словарь, который мы здесь создали, содержит три столбца. В столбце «Имя», в котором мы вставляем «Союзники, Джордж, Ними, Сэмюэл и Уильям». Далее у нас есть столбец «Obt_Marks», который содержит полученные оценки студентов, и эти оценки «4, 47, 55, 74 и 31».

Мы также создаем столбец для «Prac_Marks», в котором есть практические оценки студента. Здесь мы добавляем отметки «5, 67, 54, 56 и 12». Мы делаем DataFrame этого словаря, а затем печатаем его. Мы применяем здесь «np.Logical_and», который вернет результат в форме «True» или «False». Мы также сохраняем результат после проверки обоих условий в новом столбце, который мы создали здесь с именем «Pass_Status».

Он проверяет, что «Obt_Marks» больше «40», а «Prac_Marks» больше «40». Если оба значения верны, то в новом столбце оно будет отображаться как истинное; в противном случае оно становится ложным.

Новый столбец добавляется с именем «Pass_Status», и этот столбец состоит только из «True» и «False». Он становится истинным, если полученные оценки, а также практические оценки превышают 40, и ложными для остальных строк.

Вывод

Основная цель этого урока — объяснить концепцию «и условия» в «пандах». Мы говорили о том, как получить те строки, где выполняются оба условия, или мы также получаем true для тех, где выполняются все условия, и false для остальных. Здесь мы рассмотрели четыре примера. Все четыре примера, которые мы создали в этом руководстве, прошли этот процесс. Все примеры в этом руководстве были продуманно представлены для вашего удобства. Этот учебник должен помочь вам лучше понять эту идею.