Pandy a stav

Pandy A Stav



„Pandy můžeme definovat jako open-source nástroj. Pomocí „Pandas“ můžeme vytvářet různé slovníky a DataFrames. Na naše data v „pandách“ můžeme také aplikovat podmínky a operátory. Zde si probereme operátor „a“, který budeme v našich podmínkách používat u „pand“. Když použijeme operátor „AND“ v podmínce, vrátí „TRUE“, pokud jsou splněny všechny podmínky, a pokud některá z podmínek není splněna, vrátí „FALSE“. Ve většině programovacích jazyků je symbolizován znakem „&&“, ale v programování pand je symbolizován „&“. V tomto tutoriálu prozkoumáme „a podmínku“.

Syntax

df [ ( cond_1 ) & ( podmínka_2 ) ]

Příklad 01

Tyto kódy provádíme v aplikaci „Spyder“ a použijeme operátor „AND“ v našich podmínkách v „pandách“ zde. Když děláme kódy pandy, musíme nejprve importovat „pandy jako pd“ a získáme svou metodu vložením pouze „pd“ do našeho kódu. Poté vygenerujeme slovník s názvem „Cond“ a data, která zde vložíme, jsou „A1“, „A2“ a „A3“ jsou názvy sloupců a přidáme „1, 2 a 3“ do „ A1“, v „A2“ jsou „2, 6 a 4“ a poslední „A3“ obsahuje „3, 4 a 5“.







Poté se přesuneme k vytvoření DataFrame tohoto slovníku pomocí zde „pd.DataFrame“. Tím se vrátí DataFrame výše uvedených dat slovníku. Také jej vykreslíme tak, že zde poskytneme „print ()“ a poté aplikujeme některé podmínky a také v této podmínce použijeme operátor „&“. První podmínkou zde je, že “A1 >= 1,” a poté vložíme operátor “&” a zadáme další podmínku, která je “A2 < 5”. Když to provedeme, vrátí výsledek, pokud „A1 >=1“ a také „A2 < 5“. Pokud jsou zde splněny obě podmínky, zobrazí výsledek, a pokud zde některá z nich splněna není, nezobrazí žádná data.



Zkontroluje sloupce „A1“ a „A2“ DataFrame a poté vrátí výsledek. Výsledek se zobrazí na obrazovce, protože používáme příkaz „print ()“.







Výsledek je tady. Zobrazí všechna data, která jsme vložili do DataFrame, a poté zkontroluje obě podmínky. Vrátí ty řádky, ve kterých “A1 >=1” a také “A2 < 5”. V tomto výstupu dostaneme dva řádky, protože obě podmínky jsou splněny ve dvou řádcích.



Příklad 02

V tomto příkladu vytvoříme DataFrame přímo po importu „pandy jako pd“. Zde je vytvořen DataFrame „Tým“ s daty obsahujícími čtyři sloupce. První sloupec je zde sloupec „týmy“, do kterého vložíme „A, A, B, B, B, B, C, C“. Poté je sloupec vedle „týmů“ „skóre“, do kterého vložíme „25, 12, 15, 14, 19, 23, 25 a 29“. Poté je sloupec, který máme, „Out“ a také do něj přidáme data jako „5, 7, 7, 9, 12, 9, 9 a 4“. Naším posledním sloupcem je sloupec „odskoky“, který také obsahuje některá číselná data, tedy „11, 8, 10, 6, 6, 5, 9 a 12“.

Zde je DataFrame dokončen a nyní musíme tento DataFrame vytisknout, proto sem umístíme „print ()“. Chceme z tohoto DataFrame získat nějaká konkrétní data, proto jsme zde stanovili nějaké podmínky. Máme zde dvě podmínky a mezi tyto podmínky přidáme operátor „AND“, takže vrátí pouze ty podmínky, které budou splňovat obě podmínky. První podmínka, kterou jsme sem přidali, je „skóre > 20“ a poté operátor „&“ a další podmínka, která je „Out == 9“.

Bude tedy filtrovat ta data, kde je skóre týmu nižší než 20 a také jejich outs jsou 9. Filtruje je a ignoruje zbývající, které nesplní obě podmínky ani žádnou z nich. Zobrazujeme také data, která splňují obě podmínky, proto jsme použili metodu „print ()“.

Pouze dva řádky splňují obě podmínky, které jsme aplikovali na tento DataFrame. Filtruje pouze ty řádky, ve kterých je skóre vyšší než 20, a také jejich outy jsou 9 a zobrazí je zde.

Příklad 03

V našich výše uvedených kódech pouze vložíme číselná data do našeho DataFrame. Nyní do tohoto kódu vkládáme některá data řetězce. Po importu „pandy jako pd“ přejdeme k vytvoření „členského“ DataFrame. Obsahuje čtyři unikátní sloupce. Jméno prvního sloupce zde je „Jméno“ a vkládáme jména členů, což jsou „Spojenci, Billové, Charles, David, Ethen, George a Henry“. Další sloupec se zde jmenuje „Umístění“ a má „Amerika. Kanada, Evropa, Kanada, Německo, Dubaj a Kanada“. Sloupec „Kód“ obsahuje „W, W, W, E, E, E a E“. Zde také přidáváme „body“ členů jako „11, 6, 10, 8, 6, 5 a 12“. „Členský“ DataFrame renderujeme s využitím metody „print ()“. V tomto DataFrame jsme specifikovali některé podmínky.

Zde máme dvě podmínky a přidáním operátoru „AND“ mezi ně vrátí pouze podmínky, které splňují obě podmínky. Zde je první podmínkou, kterou jsme zavedli, „Lokalita == Kanada“, následuje operátor „&“ a druhá podmínka „body <= 9“. Získá ta data z DataFrame, ve kterých jsou splněny obě podmínky, a pak jsme umístili „print ()“, který zobrazí data, ve kterých jsou obě podmínky splněny.

Níže si můžete všimnout, že z DataFrame jsou extrahovány a zobrazeny dva řádky. V obou řádcích je umístění „Kanada“ a počet bodů je menší než 9.

Příklad 04

Importujeme zde „pandy“ i „numpy“ jako „pd“ a „np“. Metody „pandy“ získáme umístěním „pd“ a metody „numpy“ umístěním „np“ tam, kde je potřeba. Pak slovník, který jsme zde vytvořili, obsahuje tři sloupce. Do sloupce „Jméno“, do kterého vložíme „Spojenci, George, Nimi, Samuel a William“. Dále máme sloupec „Obt_Marks“, který obsahuje získané známky studentů, a tyto známky jsou „4, 47, 55, 74 a 31“.

Vytvoříme zde také sloupec pro „Prac_Marks“, který obsahuje praktické známky studenta. Známky, které zde přidáváme, jsou „5, 67, 54, 56 a 12“. Vytvoříme DataFrame tohoto slovníku a poté jej vytiskneme. Zde použijeme „np.Logical_and“, což vrátí výsledek ve formě „True“ nebo „False“. Výsledek po kontrole obou podmínek také uložíme do nového sloupce, který jsme zde vytvořili s názvem “Pass_Status”.

Kontroluje, že „Obt_Marks“ je větší než „40“ a „Prac_Marks“ je větší než „40“. Jsou-li obě pravdivé, pak se v novém sloupci vykreslí jako pravdivé; v opačném případě to bude falešné.

Nový sloupec je přidán s názvem „Pass_Status“ a tento sloupec obsahuje pouze „True“ a „False“. Vykreslí se jako pravdivé tam, kde jsou získané značky a také praktické značky větší než 40 a nepravda pro zbývající řádky.

Závěr

Hlavním cílem tohoto tutoriálu je vysvětlit pojem „a stav“ v „pandách“. Mluvili jsme o tom, jak získat ty řádky, kde jsou splněny obě podmínky, nebo také dostaneme true pro ty, kde jsou splněny všechny podmínky, a nepravdu pro zbývající. Prozkoumali jsme zde čtyři příklady. Všechny čtyři příklady, které jsme vytvořili v tomto tutoriálu, prošly tímto procesem. Všechny příklady v tomto tutoriálu byly promyšleně prezentovány ve váš prospěch. Tento tutoriál by vám měl pomoci lépe pochopit tuto myšlenku.