Pandas e condição
Sintaxe
df [(cond_1) & (cond_2)]Exemplo 01
Fazemos esses códigos no aplicativo "Spyder" e utilizaremos o operador "e" em nossas condições em "pandas" aqui. Como estamos fazendo os códigos de pandas, precisamos primeiro importar os "pandas como PD" e obteremos seu método colocando apenas "PD" em nosso código. Então geramos um dicionário com o nome "cond" e os dados que inserimos aqui são "A1", "A2" e "A3" são os nomes das colunas, e adicionamos "1, 2 e 3" no " A1 ", em" A2 ", há" 2, 6 e 4 "e o último" A3 ", contém" 3, 4 e 5 ".
Então estamos nos movendo para fazer o quadro de dados deste dicionário, utilizando o “PD.DataFrame ”aqui. Isso retornará o quadro de dados dos dados do dicionário acima. Também o renderizamos fornecendo o "print ()" aqui e, depois disso, aplicamos algumas condições e também utilizamos o operador "&" nessa condição. A primeira condição aqui é que "A1> = 1" e depois colocamos o operador "&" e colocamos outra condição que é "A2 = 1" e também "A2 < 5”. If both conditions are satisfied here, then it will display the result, and if any one of them is not satisfied here, then it will not display any data.
Ele verifica as colunas "A1" e "A2" do DataFrame e depois retorna o resultado. O resultado é exibido na tela porque utilizamos a instrução "print ()".
O resultado está aqui. Ele exibe todos os dados que inserimos no quadro de dados e depois verifica as duas condições. Ele retorna aquelas linhas nas quais “a1> = 1” e também “a2 < 5”. We get two rows in this output because both conditions are satisfied in two rows.
Exemplo 02
Neste exemplo, criamos diretamente o DataFrame depois de importar os "pandas como PD". O quadro de dados da “equipe” é criado aqui, com os dados contendo quatro colunas. A primeira coluna é a coluna "equipes" aqui na qual colocamos "a, a, b, b, b, b, c, c". Então a coluna ao lado das “equipes” é “Score”, na qual inserimos “25, 12, 15, 14, 19, 23, 25 e 29”. Depois disso, a coluna que temos está "fora", e também adicionamos dados como "5, 7, 7, 9, 12, 9, 9 e 4". Nossa última coluna aqui é a coluna "rebotes", que também contém alguns dados numéricos, que são "11, 8, 10, 6, 6, 5, 9 e 12".
O DataFrame está concluído aqui, e agora temos que imprimir esse quadro de dados; portanto, para isso, colocamos o "Print ()" aqui. Queremos obter alguns dados específicos deste quadro de dados, então definimos algumas condições aqui. Temos duas condições aqui e adicionamos o operador "e" entre essas condições, para que ele retorne apenas as condições que satisfazem as duas condições. A primeira condição que adicionamos aqui é a "pontuação> 20" e depois coloque o operador "&" e a outra condição que está "fora == 9".
Portanto, ele filtrará os dados em que a pontuação da equipe é inferior a 20 e também seus saídas são 9. Ele filtra aqueles e ignora o restante, o que não satisfazer as duas condições ou qualquer um deles. Também exibimos os dados que satisfazem as duas condições, por isso utilizamos o método "print ()".
Apenas duas linhas satisfazem ambas as condições, que aplicamos a este quadro de dados. Ele filtra apenas as linhas nas quais a pontuação é maior que 20 e também, suas saídas são 9 e as exibem aqui.
Exemplo 03
Em nossos códigos acima, apenas inserimos os dados numéricos em nosso quadro de dados. Agora, estamos colocando alguns dados de string neste código. Depois de importar os "pandas como PD", estamos nos movendo para construir um dadoframe de "membro". Ele contém quatro colunas únicas. O nome da primeira coluna aqui é "nome" e inserimos os nomes dos membros, que são "aliados, contas, Charles, David, Ethen, George e Henry". A próxima coluna é nomeada "Localização" aqui, e possui "America. Canadá, Europa, Canadá, Alemanha, Dubai e Canadá ”. A coluna "Código" contém "W, W, W, E, E, E e E". Também adicionamos os "pontos" dos membros aqui como "11, 6, 10, 8, 6, 5 e 12". Renderizamos o quadro de dados "membro" com a utilização do método "print ()". Especificamos algumas condições neste quadro de dados.
Aqui, temos duas condições e, ao adicionar o operador "e" entre eles, ele retornará apenas condições que satisfazem as duas condições. Aqui, a primeira condição que introduzimos é "Location == Canada", seguida pelo operador "&" e a segunda condição, "pontos <= 9”. It gets those data from the DataFrame in which both conditions are satisfied, and then we have placed “print ()” which displays those data in which both conditions are true.
Abaixo, você pode notar que duas linhas são extraídas do quadro de dados e exibidas. Nas duas linhas, o local é "Canadá" e os pontos são inferiores a 9.
Exemplo 04
Nós importamos os "pandas" e "numpy" aqui como "pd" e "np", respectivamente. Recebemos os métodos "pandas" colocando "PD" e os métodos "Numpy", colocando o "NP" quando necessário. Então o dicionário que criamos aqui contém três colunas. Na coluna "nome" em que inserimos "Aliados, George, Nimi, Samuel e William". Em seguida, temos a coluna "obt_marks", que contém as marcas obtidas dos estudantes, e essas marcas são "4, 47, 55, 74 e 31".
Também criamos uma coluna para os "prac_marks" aqui que têm as marcas práticas do aluno. As marcas que acrescentamos aqui são “5, 67, 54, 56 e 12”. Fazemos o quadro de dados deste dicionário e depois o imprimimos. Aplicamos o “NP.Logical_and ”aqui, que retornará o resultado em forma“ verdadeira ”ou“ falsa ”. Também armazenamos o resultado depois de verificar as duas condições em uma nova coluna, que criamos aqui com o nome "pass_status".
Ele verifica se os "obt_marks" são maiores que "40" e "prac_marks" é maior que "40". Se ambos forem verdadeiros, isso tornará verdadeiro na nova coluna; Caso contrário, isso torna falso.
A nova coluna é adicionada com o nome "pass_status" e esta coluna consiste apenas em "verdadeiro" e "false". Isso torna verdade onde as marcas obtidas e também as marcas práticas são maiores que 40 e falsas para as linhas restantes.
Conclusão
O principal objetivo deste tutorial é explicar o conceito de "e condição" em "pandas". Falamos sobre como adquirir essas linhas onde ambas as condições estão satisfeitas, ou também nos tornamos verdadeiros para aqueles em que todas as condições são satisfeitas e falsas para o restante. Nós exploramos quatro exemplos aqui. Todos os quatro exemplos que estabelecemos neste tutorial passaram por esse processo. Os exemplos deste tutorial foram todos cuidadosamente apresentados para seu benefício. Este tutorial deve ajudá -lo a compreender essa ideia com mais clareza.