Pandas hvis uttalelse
Hvis uttalelse i Python om annen programmering
De buede parentesene brukes i C og JavaScript for å indikere "if" -klæringssblokken. Enhver setning eller omstendighet utenfor selene hører ikke hjemme der. En semikolon markerer konklusjonen av ethvert uttrykk eller operasjon inne i "hvis" -blokken. Python er veldig enkel å lære i forhold til andre programmeringsspråk, og avstand gjør koden ryddig og mer presis å forklare. I Python kan vi bruke flere “IF” systemkontekster gjennom annet uttrykk. Hvis tilstanden er sann, utføres neste erklæring eller operasjon. Alternativt, hvis noen annen uttalelse eller tilstand nevnes for å utføre hvis tilstanden er falsk, blir den uttalelsen i "hvis" -blokken utført ut. Hvis ingen annen uttalelse eller tilstand nevnes for å få frem hvis tilstanden er falsk, klatrer programmet til neste del av koden fra utenfor "if" -erklæringen.
Bruke den betingede uttalelsen
Python krever at ordet "hvis" skrives i små bokstaver før en tilstand, en tykktarm og en utskriftsuttalelse som skriver ut forventet utgang.
Python gir følgende standard avanserte matematiske forhold:
- x == y som betyr at x er lik y
- x != y viser at x ikke er lik y
- x> y indikerer at x er større enn y
- x
Bruk en IF -tilstand i Pandas DataFrame gjennom flere flere metoder:
- En sekvens av tall
- Heltall så vel som λ
- Strenger
- Funksjon og matriser
- Eller scenario
Pandas syntaks av IF -uttalelse for en sekvens av tall:
Pandas syntaks for IF -uttalelse for heltall og λ:
Python hvis uttalelse
La oss se på den ekstremt korte Python “if” uttalelseskoden. Dette lille kodestykket har en enkel "hvis" -tilstand som skriver ut "due eksisterer" og "min favorittfugl er due" hvis ordet "due" vises i listen over fuglenavn som vi la til denne koden.
Resultatet gjør uttalelsen ganske klar.
Eksempel 1: Bruke Pandas dataaframe for å utføre en IF -tilstand for streng
La oss starte med vårt første eksempel i denne artikkelen. I dette programmet opprettet vi et dataaframe som har to kolonner. Den første kolonnen representerer "Navnet" og den andre kolonnen representerer "kjønnsnavn". Navnene som vi tar i den første kolonnen er “Ali”, “Ahmed”, “Muniba” og “Eman”. ”PD.DataFrame () ”-funksjon spesifiserer Pandas DataFrame.
Du kan bruke en betinget matrise eller en etikett for å hente en samling rader og kolonner ved hjelp av “DF. loc [] ”som er Pandas“ DataFrame.loc ”. "Loc []" -operasjonen er egentlig en attributtoperasjon, selv om den også kan brukes med en logisk matrise. Enkelheten i bruken av DataFrame er en av de viktigste fordelene. Du kan bekrefte dette selv ved å velge eller filtrere DataFrame -radene eller kolonnene ved å bruke Pandas “DataFrame.loc [] ”attributt.
I en Pandas dataaframe brukes ofte denne attributtet. Vi bruker fire separate "hvis" -forhold i dette eksemplet. Den første tilstanden er "==" som står for "lik", etterfulgt av "|" som står for “eller”, etterfulgt av “!= ”Som står for“ ikke like ”og deretter“ & ”som betyr“ og ”.
Kjønnskolonnen i Pandas informerer oss om kjønn er "jente" eller "gutt" ved å bruke "hvis" -tilstanden. I de første kriteriene for “DF.Loc ”," gutten "-frasen skrives ut foran kolonnen hvis" Navn "tilsvarer" Ahmed "eller" Ali ". Hvis verken "navn" eller "navn" tilsvarer "Ali" eller "Ahmed" til stede i den andre tilstanden, er en jente trykt foran dem. Python -objekter vises som utgangsenheter ved bruk av "print ()" -funksjonen, som navnet tilsier. Å skrive ut “DF” gir oss utgangen.
Etter utførelsen av koden vil vi således motta de ønskede dataene. Utgangen viser at DataFrame.LOC -attributtet var vellykket med å informere oss om kjønnene representert med navnene deres på det aktuelle stedet i det medfølgende DataFrame. Denne "gutten" -søylen er trykt ved siden av "Ali" og "Ahmed" og "Girl" er trykt med henholdsvis "Eman" og "Muniba".
Eksempel 2: Bruker IF -utsagn for heltall
Start prosessen i vårt andre program. Dette eksemplet viser hvordan du bruker "hvis" -forholdene til "DF.loc [] ”mens du bruker tallene for å utføre arbeidet vårt. Vi må nevne navnene på radene og kolonnene som vi ønsker å ekskludere fordi LOC er en etikettbasert algoritme. "Loc []" -metoden, som bare godtar indeksetiketter, returnerer en rad eller dataaframe hvis indeksetiketten er til stede i den som ringer DataFrame. En Pandas DataFrame er et eksempel på et todimensjonalt filformat som kan sammenlignes med denne doble samlingen eller en tabell med rader og kolonner.
Tenk på hvordan du lager en Python Dataframe ved å bruke sifrene “12”, “13”, ”15”, ”15”, ”16”, “17”, “15”, “19”, “15” og “21.”Vi har to forhold i dette programmet: Den ene er lik“ == ”og den andre er ikke lik“!= ”. De to kolonnene i DataFrame som vi bruker er "like _ eller ikke like" og "tall."Etter denne tilstanden, hvis" tallene "er lik" 15 ", skriver den ut" sant "foran dette tallet. Hvis de ikke gjør det, skriver det ut “FALSE.”" Print () "-funksjonen brukes i denne koden for å avsløre meldingen eller verdien tydelig i konsollen. Uttalelsen kan være en setning eller en hvilken som helst annen type som omfatter tallkolonnen der våre numeriske skumdata er skrevet ut på den.
Denne gangen fikk vi dette resultatet. Nå, hvis vi sjekker dette resultatet med det tidligere, oppdager vi en forskjell mellom de to. Dette indikerer om tallene er lik "15" eller skriver ut "falsk" foran dem hvis de ikke er. Vi tok noen tall og sammenlignet dem med det tallet. Følgende utgang viser tydelig resultatet:
Konklusjon
Bruken av en "if" -tilstand i en Pandas dataaframe ble dekket. Python gir mange måter å implementere en slik tilstand. I denne artikkelen diskuterte vi “Pandas dataaframe.Loc ”eiendoms syntaks, implementering og eksempler. “DataFrame.Loc [] ”-funksjon i pandaer er bygget spesielt for å velge rad eller kolonner. I den første delen av dette eksemplet ble "hvis" -tilstanden brukt til å bestemme kjønn på noen navn. I den andre artikkelen brukte vi “DF.loc [] "" -teknikk med "hvis" -tilstanden for å sammenligne de forskjellige tallene med ett tall for å oppdage om de var lik det tallet eller ikke. Det kommer til slutt ned på strategien som best passer dine krav.