Sözdizimi
df [ ( koşul_1 ) & ( koşul_2 ) ]Örnek 01
Bu kodları “Spyder” uygulamasında yapıyoruz ve “AND” operatörünü buradaki “pandalarda” bizim koşullarımızda kullanacağız. Panda kodlarını yaparken öncelikle “pandaları pd olarak” import etmemiz gerekiyor ve kodumuzun içerisine sadece “pd” koyarak metodunu alacağız. Daha sonra “Cond” adında bir sözlük oluşturuyoruz ve buraya eklediğimiz veriler “A1”, “A2” ve “A3” sütun adları ve “1, 2 ve 3” i ekliyoruz. A1”, “A2” de “2, 6 ve 4” var ve son “A3”, “3, 4 ve 5” içeriyor.
Ardından buradaki “pd.DataFrame”i kullanarak bu sözlüğün DataFrame'ini yapmaya geçiyoruz. Bu, yukarıdaki sözlük verilerinin DataFrame'ini döndürür. Biz de burada “print ()” vererek onu oluşturuyoruz ve bundan sonra bazı koşullar uyguluyoruz ve bu durumda “&” operatörünü de kullanıyoruz. Buradaki ilk koşul “A1 >= 1” ve ardından “&” operatörünü koyuyoruz ve “A2 < 5” olan başka bir koşul koyuyoruz. Bunu çalıştırdığımızda, “A1 >=1” ve ayrıca “A2 < 5” ise sonucu döndürür. Burada her iki koşul da sağlanıyorsa sonucu gösterecek, bunlardan herhangi biri burada sağlanamazsa herhangi bir veri göstermeyecektir.
DataFrame'in hem 'A1' hem de 'A2' sütunlarını kontrol eder ve ardından sonucu döndürür. “print()” ifadesini kullandığımız için sonuç ekranda görüntülenir.
Sonuç burada. DataFrame'e eklediğimiz tüm verileri görüntüler ve ardından her iki koşulu da kontrol eder. 'A1 >=1' ve ayrıca 'A2 < 5' olan satırları döndürür. Bu çıktıda iki satır alıyoruz çünkü iki satırda her iki koşul da karşılanıyor.
Örnek 02
Bu örnekte, “pandaları pd olarak” içe aktardıktan sonra doğrudan DataFrame'i oluşturuyoruz. Burada dört sütun içeren verilerle 'Takım' DataFrame oluşturulur. İlk sütun buraya “A, A, B, B, B, B, C, C” koyduğumuz “takımlar” sütunudur. Ardından, 'takımlar'ın yanındaki sütun, '25, 12, 15, 14, 19, 23, 25 ve 29' eklediğimiz 'skor'dur. Bundan sonra sahip olduğumuz sütun “Out” ve içine “5, 7, 7, 9, 12, 9, 9 ve 4” olarak da veri ekliyoruz. Buradaki son sütunumuz, “11, 8, 10, 6, 6, 5, 9 ve 12” olan bazı sayısal verileri de içeren “geri tepme” sütunudur.
DataFrame burada tamamlandı ve şimdi bu DataFrame'i yazdırmamız gerekiyor, bunun için “print ()” i buraya yerleştiriyoruz. Bu DataFrame'den bazı özel veriler almak istiyoruz, bu yüzden burada bazı koşullar belirledik. Burada iki koşulumuz var ve bu koşulların arasına “VE” operatörünü ekliyoruz, bu nedenle yalnızca her iki koşulu da sağlayacak koşulları döndürecek. Buraya eklediğimiz ilk koşul “puan > 20” ve ardından “&” operatörünü ve diğer koşulu “Çıkış == 9” yerleştirin.
Böylece takımın puanı 20'den küçük ve çıkışları 9 olan verileri filtreler. Bunları filtreler ve her iki koşulu veya herhangi birini karşılamayan kalanları yok sayar. Her iki koşulu da sağlayan verileri de görüntülüyoruz, bu nedenle “print ()” yöntemini kullandık.
Yalnızca iki satır, bu DataFrame'e uyguladığımız her iki koşulu da karşılıyor. Yalnızca puanı 20'den büyük olan satırları ve ayrıca çıkışları 9 olan satırları filtreler ve burada görüntüler.
Örnek 03
Yukarıdaki kodlarımızda sadece sayısal verileri DataFrame'imize giriyoruz. Şimdi, bu koda bazı string verileri koyuyoruz. “Pandaları pd olarak” içe aktardıktan sonra, bir “Üye” DataFrame oluşturmaya geçiyoruz. Dört benzersiz sütun içerir. Buradaki ilk sütunun adı “Ad” ve üyelerin adlarını “Müttefikler, Bono, Charles, David, Ethen, George ve Henry” olarak ekliyoruz. Bir sonraki sütun burada “Konum” olarak adlandırılmıştır ve “Amerika. Kanada, Avrupa, Kanada, Almanya, Dubai ve Kanada” içinde. “Kod” sütununda “W, W, W, E, E, E ve E” bulunur. Ayrıca üyelerin “puanlarını” buraya “11, 6, 10, 8, 6, 5 ve 12” olarak ekliyoruz. “Member” DataFrame'i “print()” metodunu kullanarak render ediyoruz. Bu DataFrame'de bazı koşullar belirledik.
Burada iki koşulumuz var ve aralarına “VE” operatörünü ekleyerek yalnızca her iki koşulu da sağlayan koşulları döndürecektir. Burada, tanıttığımız ilk koşul “Konum == Kanada”, ardından “&” operatörü ve ikinci koşul “noktalar <= 9”. Her iki koşulun da karşılandığı DataFrame'den bu verileri alır ve ardından her iki koşulun da doğru olduğu verileri görüntüleyen “print ()” yerleştirdik.
Aşağıda DataFrame'den iki satırın çıkarıldığını ve görüntülendiğini görebilirsiniz. Her iki satırda da konum 'Kanada'dır ve puanlar 9'dan azdır.
Örnek 04
Burada hem “pandaları” hem de “numpy”yi sırasıyla “pd” ve “np” olarak içe aktarıyoruz. “Pd” yerleştirerek “pandas” yöntemlerini ve gerektiğinde “np”yi yerleştirerek “numpy” yöntemlerini elde ederiz. Daha sonra burada oluşturduğumuz sözlük üç sütun içermektedir. “Müttefikler, George, Nimi, Samuel ve William” eklediğimiz “Ad” sütununa. Ardından, öğrencilerin elde ettikleri notların yer aldığı “Obt_Marks” sütunu var ve bu notlar “4, 47, 55, 74 ve 31”.
Burada ayrıca öğrencinin pratik notlarını içeren “Prac_Marks” için bir sütun oluşturuyoruz. Buraya eklediğimiz işaretler “5, 67, 54, 56 ve 12”dir. Bu Sözlüğün DataFrame'ini yapıyoruz ve ardından yazdırıyoruz. Sonucu “True” veya “False” şeklinde döndürecek olan “np.Logical_and” buraya uygularız. Her iki koşulu da kontrol ettikten sonra sonucu burada “Pass_Status” adıyla oluşturduğumuz yeni bir sütunda saklıyoruz.
“Obt_Marks”ın “40”tan büyük ve “Prac_Marks”ın “40”tan büyük olduğunu kontrol eder. Her ikisi de doğruysa, yeni sütunda doğru olacaktır; aksi halde false yapar.
Yeni sütun “Pass_Status” adıyla eklenir ve bu sütun yalnızca “True” ve “False”dan oluşur. Elde edilen işaretlerin ve ayrıca pratik işaretlerin 40'tan büyük olduğu durumlarda doğru ve kalan satırlar için yanlış olur.
Çözüm
Bu öğreticinin ana amacı, 'pandalar'daki 've koşul' kavramını açıklamaktır. Her iki koşulun da sağlandığı satırların nasıl elde edileceğinden veya tüm koşulların sağlandığı satırlar için doğru, kalanlar için yanlış olduğundan bahsettik. Burada dört örnek inceledik. Bu öğreticide oluşturduğumuz örneklerin dördü de bu süreçten geçmiştir. Bu eğitimdeki örneklerin tümü sizin yararınıza düşünülerek sunulmuştur. Bu eğitim, bu fikri daha net bir şekilde anlamanıza yardımcı olmalıdır.