పాండాలు కేసు ఎప్పుడు

Pandalu Kesu Eppudu



ఒక షరతు సంతృప్తి చెందినప్పుడు లేదా నెరవేరినప్పుడు, పాండాస్ భాషలోని కేస్ స్టేట్‌మెంట్ అవుట్‌పుట్‌ను అందిస్తుంది లేదా విలువను అందిస్తుంది. కేస్ స్టేట్‌మెంట్ వేరియబుల్ విలువను సంభావ్య విలువల పరిధికి సరిపోల్చడం సాధ్యం చేస్తుంది. కేస్ స్టేట్‌మెంట్‌లో విలువల సెట్ సూచించబడినప్పుడు లేదా ఆమోదించబడినప్పుడు, సెట్‌లోని ప్రతి విలువ స్టేట్‌మెంట్‌లోని సందర్భాలు లేదా షరతుల ద్వారా తనిఖీ చేయబడుతుంది. అదే ఆపరేషన్ చేయడానికి మనం if-else స్టేట్‌మెంట్‌ను కూడా ఉపయోగించవచ్చు. ఒక నిర్దిష్ట షరతు నిజమైతే, if-else స్టేట్‌మెంట్ స్క్రిప్ట్ యొక్క భాగాన్ని అమలు చేయడానికి కారణమవుతుంది. if-else స్టేట్‌మెంట్ షరతు నిజమైతే దీన్ని చేయమని మరియు అది కాకపోతే అలా చేయమని చెబుతుంది. ఈ ట్యుటోరియల్‌లో, కేస్ స్టేట్‌మెంట్‌లు మరియు if-else స్టేట్‌మెంట్‌లను ఉపయోగించడం ద్వారా మేము వేర్వేరు కార్యకలాపాలను చేస్తాము.

పాండాలు కేసు స్టేట్‌మెంట్‌ను ఎలా ఉపయోగించాలి?

కేస్ స్టేట్‌మెంట్‌లను అనేక విధాలుగా సృష్టించవచ్చు. NumPy where() ఫంక్షన్, ఇది క్రింది ప్రాథమిక వాక్యనిర్మాణాన్ని ఉపయోగిస్తుంది, ఇది పాండాస్ డేటాఫ్రేమ్‌లో కేస్ స్టేట్‌మెంట్‌ను రూపొందించడానికి సులభమైన మార్గం:

df [ 'కాలమ్ పేరు' ] = np.ఎక్కడ ( పరిస్థితి 1 , 'విలువ1',
np.ఎక్కడ ( పరిస్థితి రెండు , 'విలువ2',
np.ఎక్కడ ( పరిస్థితి 3 , ‘విలువ3’, ‘విలువ4’ ) ) )







ఎగువ స్టేట్‌మెంట్ విలువ కోసం ప్రతి షరతును తనిఖీ చేస్తుంది మరియు షరతు సంతృప్తి చెందినట్లయితే, అవుట్‌పుట్‌ను ఉత్పత్తి చేస్తుంది లేదా షరతుకు వ్యతిరేకంగా విలువను అందిస్తుంది.



ఉదాహరణ # 1: ఎక్కడ() ఫంక్షన్‌ని ఉపయోగించి పాండస్ కేస్ స్టేట్‌మెంట్

ముందుగా డేటా ఫ్రేమ్‌ని క్రియేట్ చేద్దాం, తద్వారా మన కేస్ స్టేట్‌మెంట్‌ని ఉపయోగించవచ్చు. డేటా ఫ్రేమ్‌ను రూపొందించడానికి, మేము ముందుగా నంపీ మరియు పాండాస్ మాడ్యూల్‌లను దిగుమతి చేస్తాము, తద్వారా మేము వాటి కార్యాచరణలను ఉపయోగించవచ్చు. మా డేటా ఫ్రేమ్‌ని సృష్టించడానికి pd.Dataframe() ఉపయోగించబడుతుంది.







మేము 'df' డేటా ఫ్రేమ్‌ని సృష్టించాము. ఒక పైథాన్ నిఘంటువు pd.DataFrame() ఫంక్షన్‌లలో కీలు మరియు విలువలతో ఆర్గ్యుమెంట్‌గా పంపబడుతుంది. మేము మా డేటా ఫ్రేమ్‌ని చూడటానికి ప్రింట్() ఫంక్షన్‌ని ఉపయోగిస్తాము.



'df' డేటా ఫ్రేమ్‌లో మనకు రెండు నిలువు వరుసలు “పేరు” మరియు “మార్క్‌లు” ['రాన్', 'టిమ్', 'అన్నా', 'జాక్', 'రాబ్', 'లూసీ'] మరియు [4, 6 , 8, 6, 9,10] వరుసగా. ఆ పేరు విద్యార్థుల పేర్లను నిల్వ చేసే నిలువు వరుస అని అనుకుందాం మరియు కాలమ్ 'మార్కులు' ఇటీవలి కొన్ని పరీక్షల స్కోర్‌ను నిల్వ చేస్తుంది. ఇప్పుడు, మేము ప్రతి షరతు కోసం మేము పేర్కొన్న విలువల ఆధారంగా 'రిమార్క్స్' అనే కొత్త కాలమ్‌ను జోడించే కేస్ స్టేట్‌మెంట్‌ను వ్రాస్తాము.

“numpy.where()” పద్ధతి పేర్కొన్న షరతును సంతృప్తిపరిచే ఇన్‌పుట్ శ్రేణి, నిలువు వరుస లేదా జాబితా నుండి మూలకం సూచికలను అందిస్తుంది. ఎగువ స్విచ్ సందర్భంలో, np.where() ఫంక్షన్ 'మార్క్స్' నిలువు వరుసలలో ప్రతి మూలకాన్ని తనిఖీ చేస్తుంది. విలువ 5కి సమానంగా లేదా అంతకంటే తక్కువ ఉంటే, అది అవుట్‌పుట్‌గా 'ఫెయిల్'ని అందిస్తుంది. విలువ 7 కంటే తక్కువగా లేదా సమానంగా ఉంటే, అది సంతృప్తికరంగా తిరిగి వస్తుంది మరియు విలువ 9 కంటే తక్కువ లేదా సమానంగా ఉంటే, అది ‘గొప్ప’ని అందిస్తుంది. ఏదీ లేకుంటే, ఫలితం అద్భుతంగా ఉంటుంది.

గమనించినట్లుగా, పైన పేర్కొన్న కేస్ స్టేట్‌మెంట్ ద్వారా అందించబడిన విలువలను నిల్వ చేస్తూ మా ‘df’ డేటా ఫ్రేమ్‌లో కొత్త కాలమ్ ‘రిమార్క్స్’ సృష్టించబడింది.

ఉదాహరణ # 2:

పైన పేర్కొన్న కేస్ స్టేట్‌మెంట్‌ను వేరే డేటా ఫ్రేమ్‌తో మళ్లీ ట్రై చేద్దాం. మునుపటి ఫుట్‌బాల్ టోర్నమెంట్‌లో వారి మొత్తం గోల్‌ల ఆధారంగా మనం ఆటగాళ్లను గ్రేడ్ చేయాలని అనుకుందాం. కాబట్టి ఫుట్‌బాల్ ప్లేయర్ రికార్డ్‌లను నిల్వ చేయడానికి డేటా ఫ్రేమ్‌ను తయారు చేద్దాం.

మేము మా డేటా ఫ్రేమ్‌ని రూపొందించడానికి pd.DataFrame() ఫంక్షన్‌లో ‘పేరు’ మరియు ‘లక్ష్యం’ కీలతో కూడిన నిఘంటువును ఆమోదించాము. మా డేటా ఫ్రేమ్‌ను ప్రింట్ చేయడానికి, మేము ప్రింట్ ఫంక్షన్‌ని ఉపయోగిస్తాము.

పై డేటా ఫ్రేమ్‌లో చూడగలిగినట్లుగా, మనకు రెండు నిలువు వరుసలు ఉన్నాయి: “పేరు” మరియు “లక్ష్యాలు”. కాలమ్ పేరులో, మనకు ఆటగాళ్ల పేర్లు ఉన్నాయి ['జాన్', 'మార్టీ', 'క్లే', 'నిక్', 'మైక్', 'అలెక్స్', 'టామ్', 'రాకీ']. 'కాలమ్' గోల్స్‌లో, మునుపటి టోర్నమెంట్‌లో ప్రతి ఆటగాడు సాధించిన మొత్తం గోల్‌ల సంఖ్య మాకు ఉంది. ఈ ఆటగాళ్లు సాధించిన గోల్‌ల ఆధారంగా గ్రేడ్ చేయడానికి మేము ఇప్పుడు మా కేస్ స్టేట్‌మెంట్‌ని ఉపయోగిస్తాము.

పై కేసు ఎక్కడ() ఫంక్షన్‌ని ఉపయోగించి సృష్టించబడింది. కేస్ లోపల, స్టేట్‌మెంట్ ఫంక్షన్ షరతులకు వ్యతిరేకంగా 'మార్క్స్' నిలువు వరుసలలోని ప్రతి మూలకాన్ని తనిఖీ చేస్తోంది. నిలువు వరుస ‘లక్ష్యం’లోని విలువ 5కి సమానంగా లేదా అంతకంటే తక్కువ ఉంటే, అది ‘C’ని అందిస్తుంది. నిలువు వరుస ‘లక్ష్యం’లోని విలువ 9కి సమానంగా లేదా అంతకంటే తక్కువ ఉంటే, అది ‘B’ని అందిస్తుంది. నిలువు వరుస 'లక్ష్యం'లో విలువ 10కి సమానంగా లేదా అంతకంటే ఎక్కువ ఉంటే అది 'A'ని అందిస్తుంది. స్టేట్‌మెంట్ ద్వారా అందించబడిన విలువలు కొత్త నిలువు వరుస 'రేటింగ్'లో నిల్వ చేయబడతాయి. ఫలితాలను చూడటానికి ‘df’ని ప్రింట్ చేద్దాం.

పై స్క్రిప్ట్‌ని ఉపయోగించి కొత్త కాలమ్ “రేటింగ్” విజయవంతంగా సృష్టించబడింది.

ఉదాహరణ # 3: పాండాస్ if-else స్టేట్‌మెంట్ అప్లికేషన్() ఫంక్షన్‌ని ఉపయోగిస్తుంది

డేటా ఫ్రేమ్ యొక్క అడ్డు వరుస లేదా నిలువు వరుస అక్షం ఫంక్షన్‌ను అమలు చేయడానికి వర్తించు() పద్ధతి ద్వారా ఉపయోగించబడుతుంది. మేము మా స్వంత నిర్వచించిన ఫంక్షన్‌ని సృష్టించవచ్చు మరియు దానిని పాండాల్లోని మా డేటా ఫ్రేమ్‌లో ఉపయోగించవచ్చు. ఇది if-else షరతులను కలిగి ఉంటుంది. ముందుగా మన డేటా ఫ్రేమ్‌ని క్రియేట్ చేద్దాం, ఆపై ఫలితాన్ని రూపొందించడానికి if-else స్టేట్‌మెంట్‌ని ఉపయోగించే ఒక ఫంక్షన్‌ని క్రియేట్ చేస్తాము. మా డేటా ఫ్రేమ్‌ను రూపొందించడానికి, మేము ముందుగా పాండాల మాడ్యూల్‌ని దిగుమతి చేస్తాము, ఆపై pd.DataFrame() పద్ధతిలో ఒక నిఘంటువుని పాస్ చేస్తాము.

చూడగలిగినట్లుగా, మా డేటా ఫ్రేమ్‌లో సంఖ్యా విలువలు [23, 35, 64, 74, 85] మరియు ‘B’ విలువలు [45, 34, 61, 89, 27] నిల్వ చేసే రెండు నిలువు వరుసలు ‘A’ ఉన్నాయి. ఇప్పుడు మన డేటా ఫ్రేమ్‌లోని ప్రతి అడ్డు వరుసలోని రెండు నిలువు వరుసలలో ఏ విలువ ఎక్కువగా ఉందో నిర్ణయించే ఒక ఫంక్షన్‌ను సృష్టిస్తాము.

మీరు పైథాన్ లాంబ్డా ఫంక్షన్ “పాండాస్‌ను ఉపయోగించవచ్చు. వ్యక్తీకరణను అమలు చేయడానికి DataFrame.apply()”. పైథాన్‌లో, లాంబ్డా ఫంక్షన్ అనేది కాంపాక్ట్ అనామక ఫంక్షన్, ఇది ఎన్ని ఆర్గ్యుమెంట్‌లను అంగీకరించి వ్యక్తీకరణను అమలు చేస్తుంది. ఎగువ స్క్రిప్ట్‌లో, మేము రెండు నిలువు వరుసల విలువను సరిపోల్చడానికి మరియు ఫలితాన్ని కొత్త ‘పోలిక’ నిలువు వరుసలో నిల్వ చేసే షరతు ప్రకటనను సృష్టించాము. కాలమ్ 'A' విలువ కాలమ్ 'B' విలువ కంటే తక్కువగా ఉంటే, అది 'B ఎక్కువ' అని అందిస్తుంది. షరతు సంతృప్తి చెందకపోతే అది 'A ఎక్కువ' అని చూపుతుంది.

ఉదాహరణ # 4:

మరొక డేటా ఫ్రేమ్‌తో అప్లికేషన్() ఫంక్షన్‌లోని if-else స్టేట్‌మెంట్‌ని ఉపయోగించి మరొక ఉదాహరణను ప్రయత్నిద్దాం.

మన డేటా ఫ్రేమ్ ఏదో కంపెనీ ఉద్యోగుల రికార్డులను భద్రపరుస్తోందనుకుందాం. కాలమ్ 'ఎంప్' ఉద్యోగుల పేర్లను నిల్వ చేస్తుంది [“ఫ్రాంకీ”, “హ్యారీ”, “ల్యూక్”, “పీటర్”, “ఆండ్రూ”], అయితే కాలమ్ 'జీతం' ప్రతి ఉద్యోగి [1350, 1000, 900 జీతాలను నిల్వ చేస్తుంది. , 1200, 980] 'df' డేటా ఫ్రేమ్‌లో. ఇప్పుడు మన if-else స్టేట్‌మెంట్‌ని apply() పద్ధతిని ఉపయోగించి సృష్టిస్తాము.

పై షరతు కాలమ్ 'జీతం'లోని ప్రతి విలువను తనిఖీ చేస్తుంది మరియు జీతం విలువ 1000 కంటే తక్కువ లేదా సమానంగా ఉన్న ఉద్యోగుల జీతాలకు 200 జోడిస్తుంది. మేము వర్తించు() ఫంక్షన్ నుండి అందించిన విలువలను కొత్త కాలమ్ 'లో నిల్వ చేసాము. పెంపు'. పై స్క్రిప్ట్ నుండి ఫలితాలను చూద్దాం.

మీరు చూడగలిగినట్లుగా, ఫంక్షన్ 100 కంటే తక్కువ లేదా సమానమైన విలువలకు 200ని విజయవంతంగా జోడించింది. 1000 కంటే ఎక్కువ ఉన్న విలువలు మారలేదు.

ముగింపు:

ఈ ట్యుటోరియల్‌లో, షరతు సంతృప్తి చెందినప్పుడు, కేస్ స్టేట్‌మెంట్ అని పిలువబడే ఈ రకమైన స్టేట్‌మెంట్ విలువను తిరిగి ఇస్తుంది. అవసరమైన ఆపరేషన్ లేదా టాస్క్‌ని నిర్వహించడానికి మీరు కేస్ స్టేట్‌మెంట్‌ను ఎలా సృష్టించవచ్చో మేము చూశాము. ఈ ట్యుటోరియల్‌లో, మేము కేస్ స్టేట్‌మెంట్‌లను రూపొందించడానికి np.where() ఫంక్షన్ మరియు apply() ఫంక్షన్‌ని ఉపయోగించాము. ఎక్కడ() ఫంక్షన్‌ని ఉపయోగించడం ద్వారా పాండాస్ కేస్ స్టేట్‌మెంట్‌లను ఎలా ఉపయోగించాలో మరియు కేస్ స్టేట్‌మెంట్‌లను రూపొందించడానికి అప్లై() ఫంక్షన్‌ను ఎలా ఉపయోగించాలో నేర్పడానికి మేము కొన్ని ఉదాహరణలను అమలు చేసాము.