Sintaks
df [ ( cond_1 ) & ( cond_2 ) ]Contoh 01
Kami melakukan kod ini pada apl 'Spyder' dan akan menggunakan operator 'DAN' dalam keadaan kami dalam 'pandas' di sini. Memandangkan kami sedang melakukan kod panda jadi kami perlu mengimport 'pandas sebagai pd' terlebih dahulu dan akan mendapatkan kaedahnya dengan meletakkan hanya 'pd' dalam kod kami. Kemudian kami menjana kamus dengan nama 'Cond,' dan data yang kami masukkan di sini ialah 'A1', 'A2', dan 'A3' ialah nama lajur, dan kami menambah '1, 2, dan 3' dalam ' A1', dalam 'A2' terdapat '2, 6, dan 4' dan yang terakhir 'A3', mengandungi '3, 4, dan 5'.
Kemudian kami bergerak untuk membuat DataFrame kamus ini dengan menggunakan 'pd.DataFrame' di sini. Ini akan mengembalikan DataFrame data kamus di atas. Kami juga memberikannya dengan menyediakan 'cetak ()' di sini, dan selepas ini, kami menggunakan beberapa syarat dan juga menggunakan operator '&' dalam keadaan ini. Syarat pertama di sini ialah 'A1 >= 1,' dan kemudian kami meletakkan operator '&' dan meletakkan syarat lain iaitu 'A2 < 5'. Apabila kita melaksanakan ini, ia akan mengembalikan hasil jika 'A1 >=1' dan juga 'A2 < 5'. Jika kedua-dua syarat dipenuhi di sini, maka ia akan memaparkan hasilnya, dan jika mana-mana satu daripadanya tidak berpuas hati di sini, maka ia tidak akan memaparkan sebarang data.
Ia menyemak kedua-dua lajur 'A1' dan 'A2' DataFrame dan kemudian mengembalikan hasilnya. Hasilnya dipaparkan pada skrin kerana kami menggunakan pernyataan 'cetak ()'.
Hasilnya di sini. Ia memaparkan semua data yang telah kami masukkan dalam DataFrame dan kemudian menyemak kedua-dua syarat. Ia mengembalikan baris yang 'A1 >=1' dan juga 'A2 < 5'. Kami mendapat dua baris dalam output ini kerana kedua-dua syarat dipenuhi dalam dua baris.
Contoh 02
Dalam contoh ini, kami terus mencipta DataFrame selepas mengimport 'pandas sebagai pd'. DataFrame 'Pasukan' dibuat di sini, dengan data mengandungi empat lajur. Lajur pertama ialah lajur 'pasukan' di sini di mana kami meletakkan 'A, A, B, B, B, B, C, C'. Kemudian lajur di sebelah 'pasukan' ialah 'skor', di mana kami memasukkan '25, 12, 15, 14, 19, 23, 25, dan 29'. Selepas ini, lajur yang kami ada ialah 'Keluar', dan kami juga menambah data di dalamnya sebagai '5, 7, 7, 9, 12, 9, 9 dan 4'. Lajur terakhir kami di sini ialah lajur 'lantunan' yang juga mengandungi beberapa data berangka, iaitu '11, 8, 10, 6, 6, 5, 9 dan 12'.
DataFrame selesai di sini, dan kini kami perlu mencetak DataFrame ini, jadi untuk ini, kami meletakkan 'cetak ()' di sini. Kami ingin mendapatkan beberapa data khusus daripada DataFrame ini, jadi kami menetapkan beberapa syarat di sini. Kami mempunyai dua syarat di sini, dan kami menambah operator 'DAN' antara syarat ini, jadi ia akan mengembalikan hanya syarat yang akan memenuhi kedua-dua syarat. Syarat pertama yang kami tambahkan di sini ialah 'skor > 20' dan kemudian letakkan operator '&' dan syarat lain iaitu 'Keluar == 9'.
Jadi, ia akan menapis data tersebut di mana markah pasukan adalah kurang daripada 20 dan juga keluar mereka adalah 9. Ia menapis data tersebut dan mengabaikan selebihnya, yang tidak akan memenuhi kedua-dua syarat atau mana-mana satu daripadanya. Kami juga memaparkan data tersebut yang memenuhi kedua-dua syarat, jadi kami telah menggunakan kaedah 'cetak ()'.
Hanya dua baris memenuhi kedua-dua syarat, yang telah kami gunakan pada DataFrame ini. Ia menapis hanya baris yang skornya lebih besar daripada 20, dan juga, keluarnya ialah 9 dan memaparkannya di sini.
Contoh 03
Dalam kod kami di atas, kami hanya memasukkan data berangka ke dalam DataFrame kami. Sekarang, kami meletakkan beberapa data rentetan dalam kod ini. Selepas mengimport 'pandas sebagai pd', kami bergerak untuk membina DataFrame 'Ahli'. Ia mengandungi empat lajur unik. Nama lajur pertama di sini ialah 'Nama', dan kami memasukkan nama ahli, iaitu 'Allies, Bills, Charles, David, Ethen, George dan Henry'. Lajur seterusnya dinamakan 'Lokasi' di sini, dan ia mempunyai 'Amerika. Kanada, Eropah, Kanada, Jerman, Dubai, dan Kanada” di dalamnya. Lajur 'Kod' mengandungi 'W, W, W, E, E, E dan E'. Kami juga menambah 'mata' ahli di sini sebagai '11, 6, 10, 8, 6, 5, dan 12'. Kami memberikan DataFrame 'Ahli' dengan penggunaan kaedah 'cetak ()'. Kami telah menetapkan beberapa syarat dalam DataFrame ini.
Di sini, kami mempunyai dua syarat, dan dengan menambah pengendali 'DAN' di antara mereka, ia hanya akan mengembalikan syarat yang memenuhi kedua-dua syarat. Di sini, syarat pertama yang kami perkenalkan ialah 'Lokasi == Kanada,' diikuti oleh pengendali '&', dan syarat kedua, 'mata <= 9'. Ia mendapat data tersebut daripada DataFrame di mana kedua-dua syarat dipenuhi, dan kemudian kami telah meletakkan 'cetak ()' yang memaparkan data tersebut di mana kedua-dua syarat adalah benar.
Di bawah anda dapat melihat bahawa dua baris diekstrak daripada DataFrame dan dipaparkan. Dalam kedua-dua baris, lokasinya ialah 'Kanada', dan mata adalah kurang daripada 9.
Contoh 04
Kami mengimport kedua-dua 'pandas' dan 'numpy' di sini sebagai 'pd' dan 'np,' masing-masing. Kami mendapat kaedah 'pandas' dengan meletakkan kaedah 'pd' dan 'numpy' dengan meletakkan 'np' di tempat yang diperlukan. Kemudian kamus yang kami buat di sini mengandungi tiga lajur. Dalam lajur 'Nama' di mana, kami memasukkan 'Sekutu, George, Nimi, Samuel dan William'. Seterusnya, kami mempunyai lajur 'Obt_Marks', yang mengandungi markah yang diperoleh pelajar, dan markah tersebut ialah '4, 47, 55, 74, dan 31'.
Kami juga membuat lajur untuk 'Prac_Marks' di sini yang mempunyai markah praktikal pelajar. Markah yang kami tambahkan di sini ialah '5, 67, 54, 56, dan 12'. Kami membuat DataFrame Kamus ini dan kemudian mencetaknya. Kami menggunakan 'np.Logical_and' di sini, yang akan mengembalikan hasil dalam bentuk 'Benar' atau 'Salah'. Kami juga menyimpan hasilnya selepas menyemak kedua-dua syarat dalam lajur baharu, yang telah kami buat di sini dengan nama 'Pass_Status'.
Ia menyemak bahawa 'Obt_Marks' lebih besar daripada '40' dan 'Prac_Marks' lebih besar daripada '40'. Jika kedua-duanya benar, maka ia akan menjadikan benar dalam lajur baharu; jika tidak, ia menjadikan palsu.
Lajur baharu ditambah dengan nama 'Status_Pass,' dan lajur ini hanya terdiri daripada 'Benar' dan 'Salah'. Ia menjadikan benar apabila markah yang diperoleh dan juga markah praktikal adalah lebih besar daripada 40 dan palsu untuk baris yang tinggal.
Kesimpulan
Matlamat utama tutorial ini adalah untuk menerangkan konsep 'dan keadaan' dalam 'pandas'. Kami telah bercakap tentang cara untuk memperoleh baris tersebut yang kedua-dua syarat dipenuhi, atau kami juga mendapat benar untuk baris yang semua syarat dipenuhi dan palsu untuk yang selebihnya. Kami telah meneroka empat contoh di sini. Keempat-empat contoh yang telah kami sediakan dalam tutorial ini telah melalui proses ini. Contoh-contoh dalam tutorial ini semuanya telah dibentangkan dengan teliti untuk faedah anda. Tutorial ini sepatutnya membantu anda memahami idea ini dengan lebih jelas.