Kā izmantot Pandas lietas izklāstu?
Gadījuma pārskatus var izveidot vairākos veidos. Funkcija NumPy where(), kas izmanto šādu pamata sintakse, ir vienkāršākais veids, kā izveidot gadījuma priekšrakstu Pandas DataFrame:
df [ 'kolonnas nosaukums' ] = np.kur ( stāvokli 1 , 'vērtība1',np.kur ( stāvokli divi , 'vērtība2',
np.kur ( stāvokli 3 , ‘value3’, ‘value4’ ) ) )
Iepriekš minētais paziņojums pārbaudīs katru vērtības nosacījumu un, ja nosacījums ir izpildīts, ģenerēs izvadi vai atgriezīs vērtību pret nosacījumu.
1. piemērs: Pandas gadījuma paziņojums, izmantojot funkciju where().
Vispirms izveidosim datu rāmi, lai mēs varētu izmantot mūsu gadījuma izklāstu. Lai izveidotu datu rāmi, mēs vispirms importēsim numpy un pandas moduļus, lai mēs varētu izmantot to funkcijas. Pd.Dataframe() tiks izmantots, lai izveidotu mūsu datu rāmi.
Mēs esam izveidojuši “df” datu rāmi. Python vārdnīca tiek nodota pd iekšpusē.DataFrame() darbojas kā arguments ar atslēgām un vērtībām. Mēs izmantosim funkciju print(), lai redzētu mūsu datu rāmi.
Datu rāmī 'df' ir divas kolonnas 'name' un 'marks' ar vērtībām ['Ron', 'Tim', 'Anna', 'Jack', 'Rob', 'Lucy'] un [4, 6 , 8, 6, 9,10]. Pieņemsim, ka šis nosaukums ir kolonnas, kurās tiek glabāti skolēnu vārdi, un kolonna “atzīmes” glabā kāda nesen veiktā testa rezultātu. Tagad mēs uzrakstīsim gadījuma paziņojumu, kurā katram nosacījumam tiks pievienota jauna kolonna ar nosaukumu “piezīmes”, kuras vērtības ir balstītas uz mūsu norādītajām vērtībām.
Metode “numpy.where()” nodrošina elementu indeksus no ievades masīva, kolonnas vai saraksta, kas atbilst norādītajam nosacījumam. Iepriekš minētajā slēdža gadījumā funkcija np.where() pārbauda katru elementu kolonnās “atzīmes”. Ja vērtība ir vienāda ar 5 vai mazāka par to, tā kā izvadi atgriezīs “neizdevās”. Ja vērtība ir mazāka vai vienāda ar 7, tā atgriezīsies apmierinoša, un, ja vērtība ir mazāka vai vienāda ar 9, tā atgriezīs “lieliski”. Ja tādas nav, rezultāts būs lielisks.
Kā redzams, jaunā kolonna “piezīmes” tiek izveidota mūsu “df” datu rāmī, saglabājot vērtības, kas atgrieztas iepriekš minētajā gadījuma paziņojumā.
2. piemērs:
Mēģināsim vēlreiz iepriekš minēto gadījuma izklāstu ar citu datu rāmi. Pieņemsim, ka mums ir jāvērtē spēlētāji, pamatojoties uz viņu kopējo vārtu skaitu iepriekšējā futbola turnīrā. Izveidosim datu rāmi futbolistu ierakstu glabāšanai.
Mēs esam nodevuši vārdnīcu ar taustiņiem “name” un “goals” funkcijā pd.DataFrame(), lai izveidotu mūsu datu rāmi. Lai izdrukātu mūsu datu rāmi, mēs izmantosim drukāšanas funkciju.
Kā redzams iepriekš minētajā datu rāmī, mums ir divas kolonnas: “nosaukums” un “mērķi”. Kolonnas nosaukumā mums ir spēlētāju vārdi [Džons, Mārtijs, Klejs, Niks, Maiks, Alekss, Toms, Rokijs]. Vārtu ailē ir katra spēlētāja kopējais gūto vārtu skaits iepriekšējā turnīrā. Tagad mēs izmantosim mūsu lietas izklāstu, lai novērtētu šos spēlētājus, pamatojoties uz viņu gūtajiem vārtiem.
Iepriekš minētais gadījums tiek izveidots, izmantojot funkciju where(). Korpusa iekšpusē paziņojuma funkcija pārbauda katru elementu kolonnās “atzīmes” attiecībā pret nosacījumiem. Ja vērtība kolonnā “goals” ir vienāda ar vai mazāka par 5, tā atgriezīs “C”. Ja vērtība kolonnā “mērķi” ir vienāda ar vai mazāka par 9, tā atgriezīs “B”. Tas atgriezīs “A”, ja vērtība kolonnā “goals” ir vienāda ar vai lielāka par 10. Paziņojumā atgrieztās vērtības tiks saglabātas jaunajā kolonnā “vērtējums”. Izdrukāsim “df”, lai redzētu rezultātus.
Jaunā kolonna “vērtējums” ir veiksmīgi izveidota, izmantojot iepriekš minēto skriptu.
3. piemērs: Pandas if-else paziņojums Funkcijas apply() izmantošana
Datu rāmja rindas vai kolonnas asi funkcijas ieviešanai izmanto metode apply(). Mēs varam izveidot savu definēto funkciju un izmantot to savā datu rāmī pandās. Tas ietvers nosacījumus, ja-cits. Vispirms izveidosim savu datu rāmi, pēc tam izveidosim funkciju, kurā izmantosim priekšrakstu if-else, lai ģenerētu rezultātu. Lai izveidotu datu rāmi, mēs vispirms importēsim pandas moduli, pēc tam nodosim vārdnīcu metodes pd.DataFrame() ietvaros.
Kā redzams, mūsu datu rāmis sastāv no divām kolonnām “A”, kurās glabājas skaitliskās vērtības [23, 35, 64, 74, 85] un “B” ar vērtībām [45, 34, 61, 89, 27]. Tagad mēs izveidosim funkciju, kas noteiks, kura vērtība ir lielāka starp abām kolonnām katrā mūsu datu rāmja rindā.
Varat izmantot Python lambda funkciju “pandas. DataFrame.apply()”, lai palaistu izteiksmi. Programmā Python lambda funkcija ir kompakta anonīma funkcija, kas pieņem jebkuru argumentu skaitu un izpilda izteiksmi. Iepriekš minētajā skriptā esam izveidojuši nosacījumu priekšrakstu, kas salīdzinās abu kolonnu vērtību un saglabās rezultātu jaunajā kolonnā “salīdzinājums”. Ja kolonnas “A” vērtība ir mazāka par kolonnas “B” vērtību, tā atgriezīs “B ir lielāka”. Ja nosacījums nav izpildīts, tas atgriezīs “A ir lielāks”.
4. piemērs:
Mēģināsim citu piemēru, izmantojot if-else priekšrakstu funkcijā apply() ar citu datu rāmi.
Pieņemsim, ka mūsu datu rāmis glabā ierakstus par kāda uzņēmuma darbiniekiem. Ailē “emp” tiek glabāti darbinieku vārdi [“Franky”, “Harijs”, “Lūks”, “Pīters”, “Andrijs”], savukārt kolonnā “alga” tiek glabātas katra darbinieka algas [1350, 1000, 900 , 1200, 980] “df” datu rāmī. Tagad mēs izveidosim savu if-else paziņojumu, izmantojot metodi apply().
Iepriekš minētais nosacījums pārbaudīs katru vērtību kolonnā 'alga' un pievienos 200 to darbinieku algām, kuru algas vērtība ir mazāka vai vienāda ar 1000. Mēs esam saglabājuši vērtības, kas atgrieztas no funkcijas pieteikties() jaunajā kolonnā ' pieaugums'. Apskatīsim iepriekš minētā skripta rezultātus.
Kā redzat, funkcija ir veiksmīgi pievienojusi 200 vērtībām, kas bija mazākas vai vienādas ar 100. Vērtības, kas bija lielākas par 1000, palika nemainīgas.
Secinājums:
Šajā apmācībā mēs redzējām, ka, ja nosacījums ir izpildīts, šāda veida paziņojums, ko sauc par gadījuma paziņojumu, atgriež vērtību. Mēs esam redzējuši, kā varat izveidot lietas izrakstu, lai veiktu nepieciešamo darbību vai uzdevumu. Šajā apmācībā mēs esam izmantojuši funkciju np.where() un funkciju apply(), lai izveidotu gadījuma paziņojumus. Mēs ieviesām dažus piemērus, lai iemācītu jums izmantot pandas gadījuma priekšrakstus, izmantojot funkciju where() un kā izmantot funkciju apply(), lai izveidotu gadījuma paziņojumus.