Pandas Fall Wann

In diesem Tutorial werden wir mithilfe von Fallanweisungen und IF-ELSE-Anweisungen unterschiedliche Vorgänge ausführen. Eine Fallanweisung ermöglicht es, den Wert einer Variablen mit einem Bereich potenzieller Werte zu vergleichen. Wenn die Wertemenge in der Fallanweisung verwiesen oder übergeben wird, wird jeder Wert innerhalb des Satzes durch die Fälle oder Bedingungen innerhalb der Anweisung überprüft.

Die Fallanweisung im Pandas DataFrame liefert eine Ausgabe oder gibt einen Wert zurück, wenn die Bedingung erfüllt ist.

Szenario 1: Verwenden Sie Numpy.wo () als Fall wann

In diesem Szenario werden wir jede Bedingung auf den Wert überprüfen und, wenn die Bedingung erfüllt ist, die Ausgabe erzeugt oder den Wert gegen die Bedingung zurückgibt. Wir müssen das Numpy -Modul importieren. Andernfalls wird eine Modulausnahme geworfen.

Hier, Numpy.wobei () die Bedingung als erster Parameter akzeptiert. Wenn die Bedingung trifft, wird der im zweite Parameter angegebene Wert der Zeile zugeordnet. Wenn die Bedingung fehlschlägt, wird der als dritte Parameter angegebene Wert/die als dritte Parameter angegebene Bedingung zugewiesen. Auf diese Weise können wir die Fallanweisung im Pandas DataFrame implementieren.

Syntax

DataFrame_Object ['Spalte'] = Numpy.wo (Bedingung 1, "Wert",
Numpy.wo (Bedingung 2, "Wert",
…
Numpy.wobei (Bedingung n, "Wert", "Wert")))

Beispiel 1

Lassen Sie uns den benannten Pandas -Datenfrequer erstellen Punktzahl Das hält eine Spalte mit dem Namen "Bewertung" mit 5 numerischen Werten. Erstellen Sie dann eine neue Spalte mit dem Namen "Grade" und geben Sie Werte für jede Zeile basierend auf der in Numpy angegebenen Bedingung an.wo () Klausel.

Wenn die Bewertung kleiner oder gleich 50 beträgt, weisen Sie die Note als „D“ zu. Andernfalls weisen Sie die Note als „a“ zu.

# Importieren Sie den Datenrahmen aus dem PANDAS -Modul
Aus Pandas importieren Sie DataFrame
# Das Numpy -Modul importieren
Numpy importieren
# Betrachten Sie den Datenrahmen, der 5 Zeilen in der Spalte hält - "Bewertung"
Score = DataFrame ('Rating': [25,50,100,56,89])
# Tatsächlicher Datenrahmen
Druck (Punktzahl)
# Geben Sie die Bedingungen an und speichern Sie den Wert in der neuen Spalte - "Note".
Score ['grade'] = numpy.Wo (Score ['Rating']<=50,"D","A")
Druck (Punktzahl)

Ausgang

Bewertung
0 25
1 50
2 100
3 56
4 89
Bewertungsnote
0 25 d
1 50 d
2 100 a
3 56 a
4 89 a

Erläuterung

Gemäß dem Ausgang sind zwei Bewertungen kleiner als oder gleich 50. Also wird „D“ für diese beiden Zeilen als Note zugeordnet. Für die verbleibenden Zeilen wird „A“ zugewiesen.

Beispiel 2

Lassen Sie uns den benannten Pandas -Datenfrequer erstellen Punktzahl Das hält eine Spalte mit dem Namen "Bewertung" mit 5 numerischen Werten. Erstellen Sie dann eine neue Spalte mit dem Namen "Grade" und geben Sie Werte für jede Zeile basierend auf den in Numpy angegebenen Bedingungen an.wo () Klausel.

1. Wenn die Bewertung kleiner oder gleich 25 ist, weisen Sie die Note als „D“ zu.
2. Wenn die Bewertung kleiner oder gleich 50 beträgt, weisen Sie die Note als „C“ zu.
3. Wenn die Bewertung weniger oder gleich 75 ist, weisen Sie die Note als „B“ zu.
4. Andernfalls wird die Note „A“ zugewiesen.

# Importieren Sie den Datenrahmen aus dem PANDAS -Modul
Aus Pandas importieren Sie DataFrame
# Das Numpy -Modul importieren
Numpy importieren
# Betrachten Sie den Datenrahmen, der 5 Zeilen in der Spalte hält - "Bewertung"
Score = DataFrame ('Rating': [25,50,100,75,90])
# Tatsächlicher Datenrahmen
Druck (Punktzahl)
# Geben Sie die Bedingungen an und speichern Sie den Wert in der neuen Spalte - "Note".
Score ['grade'] = numpy.Wo (Score ['Rating']<=25,"D",
Numpy.Wo (Score ['Rating']<=50,"C",
Numpy.Wo (Score ['Rating']<=75,"B","A")))
Druck (Punktzahl)

Ausgang

Bewertung
0 25
1 50
2 100
3 75
4 90
Bewertungsnote
0 25 d
1 50 c
2 100 a
3 75 b
4 90 a

Erläuterung

Gemäß Ausgang,

1. Es gibt eine Bewertung, die kleiner oder gleich 25 ist. Die Note „D“ wird also zugewiesen.
2. Es gibt eine Bewertung, die weniger oder gleich 50 entspricht. Die Note „C“ wird also zugewiesen.
3. Es gibt eine Bewertung, die weniger oder gleich 75 ist. Die Note „B“ wird also zugewiesen.
4. Den verbleibenden zwei Zeilen wurde die Note „A“ zugewiesen.

Szenario 2: Verwenden Sie apply () als Fall, wann

Wie wir wissen, nimmt Lambda einen bedingten Ausdruck aus, sodass wir eine IF-ELSE-Anweisung als bedingter Ausdruck aufnehmen können. Wenn die Bedingung als wahr entsteht, wird Value1 über die Zeilen platziert, die der Bedingung entsprechen. Wenn die Bedingung fehlschlägt, wird Value2 über die Zeilen platziert, die den Zustand nicht bestehen. Es ist wichtig zu verstehen. Daher ist es erforderlich, die Funktion apply () zu verwenden, die dem Spaltennamen des DataFrame -Objekts folgt.

Syntax

DataFrame_Object ['Neue Spalte'] = DataFrame_Object ['Gewicht'].anwenden (lambda x: value1 wenn Bedingung sonst Wert 2)

Hier:

1. Wir können den Zustand mit dem Beziehungsoperator angeben.
2. Neue Spalte ist der Spaltenname.
3. Wir müssen einen Lambda -Ausdruck in der Funktion anwenden () übergeben, die den Zustand als Parameter betrachtet. Basierend auf der Bedingung wird Value1 über die Zeile platziert, die der Bedingung entspricht. Andernfalls wird Value2 platziert.

Beispiel 1

Lassen Sie uns den benannten Pandas -Datenfrequer erstellen tiere_number Diese halten eine Spalte mit dem Namen „Gewicht“ mit 6 numerischen Werten und erstellen eine neue Spalte und setzen den Wert auf 'Ja', wobei das Gewicht größer als 75 ist und Wert festgelegt hat - 'Nein', wobei das Gewicht weniger als 75 beträgt.

# Importieren Sie den Datenrahmen aus dem PANDAS -Modul
Aus Pandas importieren Sie DataFrame
# Betrachten Sie den Datenrahmen, der 6 Zeilen in der Spalte enthält - "Gewicht"
tiere_number = DataFrame ('Gewicht': [10,23,90,45,78,104])
# Tatsächlicher Datenrahmen
drucken (TIERS_NUMBER)
# Erstellen Sie eine neue Spalte und setzen Sie den Wert auf "Ja", wobei das Gewicht größer als 75 ist.
# und setzen Sie den Wert - 'Nein', wo das Gewicht weniger als 75 beträgt.
tiere_number ['Tiergewicht größer als 75'] = TIERS_NUMBER ['Gewicht'].anwenden (lambda x: 'Ja', wenn x> 75 sonst 'nein'))
drucken (TIERS_NUMBER)

Ausgang:

Gewicht
0 10
1 23
2 90
3 45
4 78
5 104
Gewicht Tiergewicht größer als 75
0 10 Nr
1 23 Nr
2 90 Ja
3 45 Nr
4 78 Ja
5 104 Ja

Erläuterung

Gemäß der Ausgabe gibt es drei Werte in der Gewichtsspalte, die weniger als 75 sind. In der Spalte „Tiergewicht größer als 75“ wird 'Nein' platziert, und für die verbleibenden Werte "Ja" wird platziert.

Beispiel 2

Lassen Sie uns den benannten Pandas -Datenfrequer erstellen Tiere Diese enthält eine Spalte mit dem Namen "Name" mit 6 Werten und erstellt eine neue Spalte mit dem Namen "Typ" und setzt den Wert auf "Wild", wobei der Name "Tiger" und den Rest der Zeilen zu "Inland" entspricht.

# Importieren Sie den Datenrahmen aus dem PANDAS -Modul
Aus Pandas importieren Sie DataFrame
# Betrachten Sie den Datenrahmen, der 6 Zeilen in der Spalte enthält - "Name"
tiere = DataFrame ('Name': ['Tiger', 'Donkey', 'Cow', 'Deer', 'Camel', 'Horse'])
# Tatsächlicher Datenrahmen
Druck (Tiere)
# Erstellen Sie eine neue Spalte mit dem Namen Typ und setzen Sie den Wert auf "Wild", wobei der Name "Tiger" und "Tiger" ist und Wert ist
# Wert auf 'inländisches' festlegen, wobei der Wert nicht gleich 'Tiger' ist.
Tiere ['Typ'] = Tiere ['Name'].anwenden (lambda x: 'wild' wenn x == 'tiger' sonst 'inländisch')
Druck (Tiere)

Ausgang:

Name
0 Tiger
1 Esel
2 Kuh
3 Hirsch
4 Kamel
5 Pferd
Namenstyp
0 Tiger Wild
1 Esel inländisch
2 Kuh Haus
3 Hirsche inländisch
4 Kamel inländisch
5 Pferd inländisch

Erläuterung

Gemäß der Ausgabe gibt es in der Spalte Name nur einen Wert, der dem 'Tiger' entspricht. In der Spalte "Typ" wird "wild" platziert, und für die verbleibenden Werte wird "Haus" platziert, da sie nicht gleich "Tiger" sind.

Abschluss:

In diesem Artikel gibt eine Erklärung dieser Art, die als Fallanweisung bezeichnet wird, einen Wert zurück. Wir haben gesehen, wie Sie eine Fallanweisung erstellen können, um eine erforderliche Operation oder Aufgabe auszuführen. In diesem Tutorial haben wir den NP verwendet.wobei () Funktion und die Funktion apply (), um Fallanweisungen zu erstellen. Wir haben einige Beispiele implementiert, um Ihnen beizubringen, wie Sie Pandas -Fallanweisungen verwenden, indem Sie die Funktion WO WOLLE () verwenden und wie die Funktion apply () zum Erstellen von Fallanweisungen verwendet wird.