Pandat ja kunto

Pandat Ja Kunto



'Voimme määritellä 'Pandat' avoimen lähdekoodin työkaluksi. Voimme luoda erilaisia ​​sanakirjoja ja DataFrame-kehyksiä käyttämällä 'Pandas'. Voimme myös soveltaa ehtoja ja operaattoreita tietoihimme 'pandassa'. Täällä keskustelemme 'ja'-operaattorista, jota hyödynnämme olosuhteissamme 'pandassa'. Kun käytämme 'AND'-operaattoria ehdossa, se palauttaa 'TRUE', jos kaikki ehdot täyttyvät, ja jos jokin ehto ei täyty, se palauttaa 'FALSE'. Useimmissa ohjelmointikielissä sitä symboloi '&&'-merkki, mutta pandaohjelmoinnissa sitä symboloi '&'. Tutkimme 'ja kuntoa' tässä opetusohjelmassa.'

Syntaksi

df [ ( kond_1 ) & ( kond_2 ) ]

Esimerkki 01

Teemme nämä koodit 'Spyder'-sovelluksessa ja käytämme 'AND'-operaattoria olosuhteissamme 'pandassa'. Kun teemme pandakoodeja, meidän on ensin tuotava 'pandat pd:nä' ja saamme sen menetelmän lisäämällä koodiimme vain 'pd'. Sitten luomme sanakirjan nimellä 'Cond', ja tähän lisäämämme tiedot ovat 'A1', 'A2' ja 'A3' ovat sarakkeiden nimiä, ja lisäämme '1, 2 ja 3' ' A1', kohdassa 'A2' on '2, 6 ja 4' ja viimeinen 'A3' sisältää '3, 4 ja 5'.







Sitten siirrymme tekemään tämän sanakirjan DataFrame-kehyksen käyttämällä 'pd.DataFrame' -kehystä tässä. Tämä palauttaa yllä olevien sanakirjatietojen DataFramen. Toistamme sen myös antamalla 'print ()' tähän, ja tämän jälkeen sovellamme joitain ehtoja ja käytämme myös '&'-operaattoria tässä tilassa. Ensimmäinen ehto tässä on, että 'A1 >= 1', ja sitten laitamme '&'-operaattorin ja asetamme toisen ehdon, joka on 'A2 < 5'. Kun suoritamme tämän, se palauttaa tuloksen, jos 'A1 >=1' ja myös 'A2 < 5'. Jos molemmat ehdot täyttyvät tässä, se näyttää tuloksen, ja jos jokin niistä ei täyty tässä, se ei näytä mitään tietoja.



Se tarkistaa sekä DataFramen A1- että A2-sarakkeet ja palauttaa sitten tuloksen. Tulos näkyy näytöllä, koska käytämme 'print ()' -lausetta.







Tulos on tässä. Se näyttää kaikki tiedot, jotka olemme lisänneet DataFrame-kehykseen, ja tarkistaa sitten molemmat ehdot. Se palauttaa ne rivit, joissa 'A1 >=1' ja myös 'A2 < 5'. Tässä tulosteessa on kaksi riviä, koska molemmat ehdot täyttyvät kahdella rivillä.



Esimerkki 02

Tässä esimerkissä luomme DataFramen suoraan sen jälkeen, kun 'pandat pd:nä' on tuotu. Täällä luodaan 'Tiimi' DataFrame, jossa on neljä saraketta. Ensimmäinen sarake on 'joukkueet' -sarake, johon laitamme 'A, A, B, B, B, B, C, C'. Sitten sarake 'joukkueiden' vieressä on 'pisteet', johon lisäämme '25, 12, 15, 14, 19, 23, 25 ja 29'. Tämän jälkeen meillä on sarake 'Out', ja lisäämme siihen tiedot myös muodossa '5, 7, 7, 9, 12, 9, 9 ja 4'. Viimeinen sarakkeemme tässä on 'rebounds' -sarake, joka sisältää myös joitain numeerisia tietoja, jotka ovat '11, 8, 10, 6, 6, 5, 9 ja 12'.

DataFrame on valmis tähän, ja nyt meidän on tulostettava tämä DataFrame, joten laitamme tätä varten 'print ()' tähän. Haluamme saada tiettyjä tietoja tästä DataFrame-kehyksestä, joten asetamme tähän joitain ehtoja. Meillä on tässä kaksi ehtoa, ja lisäämme 'AND'-operaattorin näiden ehtojen väliin, joten se palauttaa vain ne ehdot, jotka täyttävät molemmat ehdot. Ensimmäinen ehto, jonka olemme lisänneet tähän, on 'pisteet > 20' ja aseta sitten '&'-operaattori ja toinen ehto, joka on 'Out == 9'.

Joten, se suodattaa ne tiedot, joissa joukkueen pisteet ovat alle 20 ja myös niiden ulostulot ovat 9. Se suodattaa ne ja jättää huomioimatta loput, jotka eivät täytä kumpaakaan ehtoa tai yhtäkään niistä. Näytämme myös ne tiedot, jotka täyttävät molemmat ehdot, joten olemme käyttäneet 'print ()' -menetelmää.

Vain kaksi riviä täyttää molemmat ehdot, joita olemme soveltaneet tähän DataFrame-kehykseen. Se suodattaa vain ne rivit, joiden pistemäärä on suurempi kuin 20, ja myös niiden ulostulot ovat 9 ja näyttää ne tässä.

Esimerkki 03

Yllä olevissa koodeissamme lisäämme vain numeeriset tiedot DataFrame-kehykseemme. Nyt laitamme tähän koodiin merkkijonotietoja. Kun 'pandat pd:nä' on tuotu, siirrymme rakentamaan 'Jäsen' DataFramea. Se sisältää neljä ainutlaatuista saraketta. Ensimmäisen sarakkeen nimi on 'Nimi', ja lisäämme jäsenten nimet, jotka ovat 'Allies, Bills, Charles, David, Ethen, George ja Henry'. Seuraava sarake on nimeltään 'Sijainti' ja siinä on 'Amerikka. Kanada, Eurooppa, Kanada, Saksa, Dubai ja Kanada”. 'Koodi'-sarake sisältää 'W, W, W, E, E, E ja E'. Lisäämme tähän myös jäsenten 'pisteet' muodossa '11, 6, 10, 8, 6, 5 ja 12'. Muokkaamme 'Jäsen' DataFramen käyttämällä 'print ()' -menetelmää. Olemme määrittäneet joitain ehtoja tässä DataFrame-kehyksessä.

Tässä meillä on kaksi ehtoa, ja lisäämällä niiden väliin 'AND'-operaattori, se palauttaa vain ehdot, jotka täyttävät molemmat ehdot. Tässä ensimmäinen ehto, jonka olemme ottaneet käyttöön, on 'Location == Kanada', jota seuraa '&'-operaattori ja toinen ehto, 'points <= 9'. Se saa ne tiedot DataFramesta, joissa molemmat ehdot täyttyvät, ja sitten olemme sijoittaneet 'print ()', joka näyttää tiedot, joissa molemmat ehdot ovat tosia.

Alla voit huomata, että kaksi riviä poimitaan DataFramesta ja näytetään. Molemmilla riveillä sijainti on 'Kanada', ja pisteet ovat alle 9.

Esimerkki 04

Tuomme sekä 'pandat' ja 'numpy' tänne nimellä 'pd' ja 'np'. Saamme 'pandas'-metodit sijoittamalla 'pd' ja 'numpy'-menetelmät sijoittamalla 'np' sinne, missä tarvitaan. Sitten luomassamme sanakirjassa on kolme saraketta. 'Nimi'-sarakkeeseen, johon lisäämme 'liitot, George, Nimi, Samuel ja William'. Seuraavaksi meillä on 'Obt_Marks' -sarake, joka sisältää opiskelijoiden saadut arvosanat, ja ne ovat '4, 47, 55, 74 ja 31'.

Luomme tänne myös sarakkeen 'Prac_Marks' -lehdille, joissa on opiskelijan käytännön arvosanat. Tänne lisäämämme merkit ovat '5, 67, 54, 56 ja 12'. Teemme tämän sanakirjan DataFrame-kehyksen ja tulostamme sen. Käytämme tässä 'np.Logical_and', joka palauttaa tuloksen 'True' tai 'False' muodossa. Tallennamme tuloksen myös molempien ehtojen tarkistuksen jälkeen uuteen sarakkeeseen, jonka olemme luoneet tähän nimellä “Pass_Status”.

Se tarkistaa, että 'Obt_Marks' on suurempi kuin '40' ja 'Prac_Marks' on suurempi kuin '40'. Jos molemmat ovat tosi, se muuttuu tosi uudessa sarakkeessa; muuten se tekee vääräksi.

Uusi sarake lisätään nimellä 'Pass_Status', ja tämä sarake koostuu vain sanoista 'True' ja 'False'. Se on tosi, jos saadut pisteet ja myös käytännön arvosanat ovat suurempia kuin 40 ja false muilla riveillä.

Johtopäätös

Tämän opetusohjelman päätavoitteena on selittää käsite 'ja kunto' sanalla 'panda'. Olemme puhuneet siitä, kuinka hankitaan ne rivit, joissa molemmat ehdot täyttyvät, tai saamme myös todeksi niille, joissa kaikki ehdot täyttyvät, ja epätosi muille. Olemme tutkineet neljä esimerkkiä täällä. Kaikki neljä esimerkkiä, jotka olemme laatineet tässä opetusohjelmassa, ovat käyneet läpi tämän prosessin. Tämän opetusohjelman esimerkit on esitetty harkitusti sinun hyödyksesi. Tämän opetusohjelman pitäisi auttaa sinua ymmärtämään tämä ajatus selkeämmin.