Sintaxi
df [ ( cond_1 ) & ( cond_2 ) ]Exemple 01
Fem aquests codis a l'aplicació 'Spyder' i utilitzarem l'operador 'AND' en les nostres condicions a 'pandes' aquí. A mesura que estem fent els codis pandas, primer hem d'importar els 'pandas com a pd' i obtindrem el seu mètode posant només 'pd' al nostre codi. Aleshores generem un diccionari amb el nom 'Cond', i les dades que inserim aquí són 'A1', 'A2' i 'A3' són els noms de les columnes, i afegim '1, 2 i 3' al ' A1', a 'A2' hi ha '2, 6 i 4' i l'últim 'A3', conté '3, 4 i 5'.
A continuació, ens movem per fer el DataFrame d'aquest diccionari utilitzant el 'pd.DataFrame' aquí. Això retornarà el DataFrame de les dades del diccionari anterior. També el renderitzem proporcionant la 'impressió ()' aquí, i després d'això, apliquem algunes condicions i també utilitzem l'operador '&' en aquesta condició. La primera condició aquí és que 'A1 >= 1', i després posem l'operador '&' i posem una altra condició que és 'A2 < 5'. Quan ho executem, retornarà el resultat si 'A1 >=1' i també 'A2 < 5'. Si les dues condicions es compleixen aquí, mostrarà el resultat, i si alguna d'elles no està satisfeta aquí, no mostrarà cap dada.
Comprova les columnes 'A1' i 'A2' del DataFrame i després retorna el resultat. El resultat es mostra a la pantalla perquè utilitzem la declaració 'print ()'.
El resultat és aquí. Mostra totes les dades que hem inserit al DataFrame i després verifica ambdues condicions. Retorna aquelles files en què 'A1 >=1' i també 'A2 < 5'. Obtenim dues files en aquesta sortida perquè les dues condicions es compleixen en dues files.
Exemple 02
En aquest exemple, creem directament el DataFrame després d'importar els 'pandas com a pd'. Aquí es crea el DataFrame 'Equip', amb les dades que contenen quatre columnes. La primera columna és la columna 'equips' aquí en la qual posem 'A, A, B, B, B, B, C, C'. Aleshores, la columna al costat dels 'equips' és 'puntuació', on inserim '25, 12, 15, 14, 19, 23, 25 i 29'. Després d'això, la columna que tenim és 'Fora' i també hi afegim dades com a '5, 7, 7, 9, 12, 9, 9 i 4'. La nostra darrera columna aquí és la columna 'rebots' que també conté algunes dades numèriques, que són '11, 8, 10, 6, 6, 5, 9 i 12'.
El DataFrame s'ha completat aquí, i ara hem d'imprimir aquest DataFrame, així que per a això, col·loquem el 'print ()' aquí. Volem obtenir algunes dades específiques d'aquest DataFrame, així que establim algunes condicions aquí. Tenim dues condicions aquí i afegim l'operador 'I' entre aquestes condicions, de manera que només retornarà aquelles condicions que compleixin ambdues condicions. La primera condició que hem afegit aquí és la 'puntuació > 20' i després col·loqueu l'operador '&' i l'altra condició que és 'Out == 9'.
Així doncs, filtrarà aquelles dades on la puntuació de l'equip sigui inferior a 20 i també les seves sortides siguin 9. Les filtra i ignora la resta, la qual cosa no complirà ambdues condicions ni cap d'elles. També mostrem aquelles dades que compleixen ambdues condicions, de manera que hem utilitzat el mètode 'imprimir ()'.
Només dues files compleixen ambdues condicions, que hem aplicat a aquest DataFrame. Filtra només aquelles files en què la puntuació és superior a 20 i, a més, les seves sortides són 9 i les mostra aquí.
Exemple 03
Als nostres codis anteriors, només inserim les dades numèriques al nostre DataFrame. Ara, estem posant algunes dades de cadena en aquest codi. Després d'importar els 'pandas com a pd', ens movem per construir un DataFrame 'Membre'. Conté quatre columnes úniques. El nom de la primera columna aquí és 'Nom' i inserim els noms dels membres, que són 'Aliats, Bills, Charles, David, Ethen, George i Henry'. La següent columna es diu 'Ubicació' aquí i té 'Amèrica. Canadà, Europa, Canadà, Alemanya, Dubai i Canadà'. La columna 'Codi' conté 'W, W, W, E, E, E i E'. També afegim els 'punts' dels membres aquí com '11, 6, 10, 8, 6, 5 i 12'. Renderitzem el DataFrame 'Membre' amb la utilització del mètode 'print ()'. Hem especificat algunes condicions en aquest DataFrame.
Aquí, tenim dues condicions i, afegint l'operador 'I' entre elles, només retornarà condicions que compleixin ambdues condicions. Aquí, la primera condició que hem introduït és 'Ubicació == Canadà', seguida de l'operador '&' i la segona condició, 'punts <= 9'. Obté aquestes dades del DataFrame en què es compleixen ambdues condicions, i després hem col·locat 'print ()' que mostra aquelles dades en què les dues condicions són certes.
A continuació podeu observar que s'extreuen dues files del DataFrame i es mostren. A les dues files, la ubicació és 'Canadà' i els punts són inferiors a 9.
Exemple 04
Importem els 'pandes' i 'numpy' aquí com a 'pd' i 'np', respectivament. Obtenim els mètodes 'pandas' col·locant 'pd' i els mètodes 'numpy' col·locant el 'np' on calgui. Aleshores, el diccionari que hem creat aquí conté tres columnes. A la columna 'Nom' on inserim 'Aliats, George, Nimi, Samuel i William'. A continuació, tenim la columna 'Obt_Marks', que conté les notes obtingudes dels estudiants, i aquestes notes són '4, 47, 55, 74 i 31'.
També creem una columna per a les 'Prac_Marks' aquí que conté les notes pràctiques de l'estudiant. Les marques que afegim aquí són '5, 67, 54, 56 i 12'. Fem el DataFrame d'aquest diccionari i després l'imprimem. Apliquem el 'np.Logical_and' aquí, que retornarà el resultat en forma 'Vertader' o 'Fals'. També emmagatzemem el resultat després de comprovar ambdues condicions en una nova columna, que hem creat aquí amb el nom 'Pass_Status'.
Comprova que 'Obt_Marks' sigui més gran que '40' i que 'Prac_Marks' sigui més gran que '40'. Si tots dos són certs, es farà vertader a la nova columna; en cas contrari, es fa fals.
La nova columna s'afegeix amb el nom 'Pass_Status' i aquesta columna només consta de 'True' i 'False'. Es fa vertader quan les notes obtingudes i també les notes pràctiques són superiors a 40 i falses per a les files restants.
Conclusió
L'objectiu principal d'aquest tutorial és explicar el concepte de 'i condició' a 'pandes'. Hem parlat de com adquirir les files en què es compleixen ambdues condicions, o també ens fem vertaderes per a aquelles en què es compleixen totes les condicions i falses per a la resta. Hem explorat quatre exemples aquí. Els quatre exemples que hem establert en aquest tutorial han passat per aquest procés. Els exemples d'aquest tutorial s'han presentat amb cura per al vostre benefici. Aquest tutorial us hauria d'ajudar a comprendre aquesta idea amb més claredat.