పాండాలు మరియు పరిస్థితి

Pandalu Mariyu Paristhiti



“మేము “పాండాలను” ఓపెన్ సోర్స్ సాధనంగా నిర్వచించవచ్చు. మేము 'పాండాలు' ఉపయోగించి విభిన్న నిఘంటువులను మరియు డేటాఫ్రేమ్‌లను సృష్టించవచ్చు. మేము 'పాండాలు'లో మా డేటాకు షరతులు మరియు ఆపరేటర్లను కూడా వర్తింపజేయవచ్చు. ఇక్కడ, మేము 'మరియు' ఆపరేటర్‌ని చర్చిస్తాము, దీనిని 'పాండాలు'లో మా పరిస్థితులలో ఉపయోగించుకుంటాము. మేము ఒక షరతులో “AND” ఆపరేటర్‌ని ఉపయోగించినప్పుడు, అన్ని షరతులు సంతృప్తి చెందితే అది “TRUE”ని అందిస్తుంది మరియు ఏదైనా ఒక షరతు సంతృప్తి చెందకపోతే, అది “FALSE”ని అందిస్తుంది. చాలా ప్రోగ్రామింగ్ భాషలలో, ఇది “&&” గుర్తుతో సూచించబడుతుంది, కానీ పాండాస్ ప్రోగ్రామింగ్‌లో, ఇది “&” ద్వారా సూచించబడుతుంది. మేము ఈ ట్యుటోరియల్‌లో 'మరియు పరిస్థితి'ని అన్వేషిస్తాము.'

వాక్యనిర్మాణం

df [ ( cond_1 ) & ( cond_2 ) ]

ఉదాహరణ 01

మేము ఈ కోడ్‌లను “స్పైడర్” యాప్‌లో చేస్తాము మరియు ఇక్కడ “పాండాలు”లో మా పరిస్థితుల్లో “AND” ఆపరేటర్‌ని ఉపయోగిస్తాము. మేము పాండాస్ కోడ్‌లను చేస్తున్నందున మనం ముందుగా 'pd' గా పాండాలను దిగుమతి చేసుకోవాలి మరియు మన కోడ్‌లో కేవలం 'pd'ని ఉంచడం ద్వారా దాని పద్ధతిని పొందుతాము. ఆపై మేము 'కాండ్' పేరుతో ఒక నిఘంటువుని రూపొందిస్తాము మరియు మేము ఇక్కడ చొప్పించే డేటా 'A1', 'A2', మరియు 'A3' అనేవి కాలమ్ పేర్లు మరియు మేము '1, 2 మరియు 3'ని జోడిస్తాము. A1”, “A2”లో “2, 6 మరియు 4” ఉన్నాయి మరియు చివరి “A3”లో “3, 4 మరియు 5” ఉన్నాయి.







ఇక్కడ ఉన్న “pd.DataFrame”ని ఉపయోగించడం ద్వారా మేము ఈ నిఘంటువు యొక్క డేటాఫ్రేమ్‌ను రూపొందించడానికి తరలిస్తున్నాము. ఇది ఎగువ నిఘంటువు డేటా యొక్క డేటాఫ్రేమ్‌ని అందిస్తుంది. మేము దానిని ఇక్కడ “ప్రింట్ ()” అందించడం ద్వారా కూడా అందిస్తాము మరియు దీని తర్వాత, మేము కొన్ని షరతులను వర్తింపజేస్తాము మరియు ఈ స్థితిలో “&” ఆపరేటర్‌ను కూడా ఉపయోగిస్తాము. ఇక్కడ మొదటి షరతు ఏమిటంటే “A1 >= 1,” ఆపై మేము “&” ఆపరేటర్‌ని ఉంచాము మరియు “A2 <5” అని మరొక షరతును ఉంచాము. మేము దీన్ని అమలు చేసినప్పుడు, అది “A1 >=1” మరియు “A2 <5” అయితే ఫలితాన్ని అందిస్తుంది. రెండు షరతులు ఇక్కడ సంతృప్తి చెందితే, అది ఫలితాన్ని ప్రదర్శిస్తుంది మరియు వాటిలో ఏదైనా ఇక్కడ సంతృప్తి చెందకపోతే, అది ఏ డేటాను ప్రదర్శించదు.



ఇది డేటాఫ్రేమ్ యొక్క “A1” మరియు “A2” నిలువు వరుసలను తనిఖీ చేసి, ఆపై ఫలితాన్ని అందిస్తుంది. మేము “ప్రింట్ ()” స్టేట్‌మెంట్‌ను ఉపయోగిస్తాము కాబట్టి ఫలితం స్క్రీన్‌పై ప్రదర్శించబడుతుంది.







ఫలితం ఇక్కడ ఉంది. ఇది డేటాఫ్రేమ్‌లో మనం చొప్పించిన మొత్తం డేటాను ప్రదర్శిస్తుంది మరియు రెండు షరతులను తనిఖీ చేస్తుంది. ఇది “A1 >=1” మరియు “A2 <5” వరుసలను అందిస్తుంది. ఈ అవుట్‌పుట్‌లో మనకు రెండు అడ్డు వరుసలు లభిస్తాయి ఎందుకంటే రెండు షరతులు రెండు వరుసలలో సంతృప్తి చెందాయి.



ఉదాహరణ 02

ఈ ఉదాహరణలో, “pd as pd”ని దిగుమతి చేసిన తర్వాత మేము నేరుగా DataFrameని సృష్టిస్తాము. నాలుగు నిలువు వరుసలను కలిగి ఉన్న డేటాతో “బృందం” డేటాఫ్రేమ్ ఇక్కడ సృష్టించబడింది. మొదటి కాలమ్ ఇక్కడ 'జట్లు' కాలమ్, దీనిలో మనం 'A, A, B, B, B, B, C, C'ని ఉంచాము. అప్పుడు 'జట్లు' పక్కన ఉన్న కాలమ్ 'స్కోర్', దీనిలో మేము '25, 12, 15, 14, 19, 23, 25 మరియు 29' ఇన్సర్ట్ చేస్తాము. దీని తర్వాత, మన వద్ద ఉన్న నిలువు వరుస 'అవుట్' మరియు మేము దానిలో డేటాను '5, 7, 7, 9, 12, 9, 9 మరియు 4'గా కూడా జోడిస్తాము. ఇక్కడ ఉన్న మా చివరి నిలువు వరుస “రీబౌండ్‌లు” కాలమ్, ఇందులో “11, 8, 10, 6, 6, 5, 9 మరియు 12” అనే కొన్ని సంఖ్యా డేటా కూడా ఉంది.

డేటాఫ్రేమ్ ఇక్కడ పూర్తయింది మరియు ఇప్పుడు మనం ఈ డేటాఫ్రేమ్‌ని ప్రింట్ చేయాలి, కాబట్టి దీని కోసం, ఇక్కడ “ప్రింట్ ()”ని ఉంచాము. మేము ఈ డేటాఫ్రేమ్ నుండి కొంత నిర్దిష్ట డేటాను పొందాలనుకుంటున్నాము, కాబట్టి మేము ఇక్కడ కొన్ని షరతులను సెట్ చేసాము. మాకు ఇక్కడ రెండు షరతులు ఉన్నాయి మరియు మేము ఈ షరతుల మధ్య “AND” ఆపరేటర్‌ని జోడిస్తాము, కాబట్టి ఇది రెండు షరతులను సంతృప్తిపరిచే షరతులను మాత్రమే అందిస్తుంది. మేము ఇక్కడ జోడించిన మొదటి షరతు “స్కోరు > 20” ఆపై “&” ఆపరేటర్‌ని ఉంచండి మరియు ఇతర షరతు “అవుట్ == 9”.

కాబట్టి, ఇది జట్టు స్కోరు 20 కంటే తక్కువగా ఉన్న డేటాను ఫిల్టర్ చేస్తుంది మరియు వారి అవుట్‌లు 9 కూడా ఉన్నాయి. ఇది వాటిని ఫిల్టర్ చేస్తుంది మరియు మిగిలిన వాటిని విస్మరిస్తుంది, ఇది రెండు షరతులు లేదా వాటిలో దేనినైనా సంతృప్తిపరచదు. మేము రెండు షరతులను సంతృప్తిపరిచే డేటాను కూడా ప్రదర్శిస్తాము, కాబట్టి మేము 'ప్రింట్ ()' పద్ధతిని ఉపయోగించాము.

మేము ఈ డేటాఫ్రేమ్‌కి వర్తింపజేసిన రెండు షరతులను కేవలం రెండు అడ్డు వరుసలు మాత్రమే సంతృప్తిపరుస్తాయి. ఇది స్కోర్ 20 కంటే ఎక్కువ ఉన్న అడ్డు వరుసలను మాత్రమే ఫిల్టర్ చేస్తుంది మరియు వాటి అవుట్‌లు 9 మరియు వాటిని ఇక్కడ ప్రదర్శిస్తుంది.

ఉదాహరణ 03

మా ఎగువ కోడ్‌లలో, మేము మా డేటాఫ్రేమ్‌లో సంఖ్యా డేటాను ఇన్‌సర్ట్ చేస్తాము. ఇప్పుడు, మేము ఈ కోడ్‌లో కొంత స్ట్రింగ్ డేటాను ఉంచుతున్నాము. “పాండాలను pdగా” దిగుమతి చేసిన తర్వాత, మేము “సభ్యుడు” డేటాఫ్రేమ్‌ను రూపొందించడానికి తరలిస్తున్నాము. ఇది నాలుగు ప్రత్యేక నిలువు వరుసలను కలిగి ఉంది. ఇక్కడ మొదటి నిలువు వరుస పేరు 'పేరు' మరియు మేము సభ్యుల పేర్లను చొప్పించాము, అవి 'అల్లీస్, బిల్స్, చార్లెస్, డేవిడ్, ఈథెన్, జార్జ్ మరియు హెన్రీ'. తదుపరి కాలమ్‌కు ఇక్కడ “స్థానం” అని పేరు పెట్టారు మరియు దానికి “అమెరికా” ఉంది. కెనడా, యూరప్, కెనడా, జర్మనీ, దుబాయ్ మరియు కెనడా” అందులో. 'కోడ్' నిలువు వరుసలో 'W, W, W, E, E, E మరియు E' ఉన్నాయి. మేము ఇక్కడ సభ్యుల “పాయింట్‌లను” “11, 6, 10, 8, 6, 5 మరియు 12”గా కూడా జోడిస్తాము. మేము 'ప్రింట్ ()' పద్ధతిని ఉపయోగించడంతో 'సభ్యుడు' డేటాఫ్రేమ్‌ను రెండర్ చేస్తాము. మేము ఈ డేటాఫ్రేమ్‌లో కొన్ని షరతులను పేర్కొన్నాము.

ఇక్కడ, మాకు రెండు షరతులు ఉన్నాయి మరియు వాటి మధ్య “AND” ఆపరేటర్‌ని జోడించడం ద్వారా, ఇది రెండు షరతులను సంతృప్తిపరిచే షరతులను మాత్రమే అందిస్తుంది. ఇక్కడ, మేము పరిచయం చేసిన మొదటి షరతు “స్థానం == కెనడా,” తర్వాత “&” ఆపరేటర్, మరియు రెండవ షరతు “పాయింట్లు <= 9”. ఇది డేటాఫ్రేమ్ నుండి ఆ డేటాను పొందుతుంది, దీనిలో రెండు షరతులు సంతృప్తి చెందాయి, ఆపై మేము 'ప్రింట్ ()'ని ఉంచాము, ఇది రెండు షరతులు నిజం అయిన డేటాను ప్రదర్శిస్తుంది.

డేటాఫ్రేమ్ నుండి రెండు అడ్డు వరుసలు సంగ్రహించబడి ప్రదర్శించబడటం మీరు క్రింద గమనించవచ్చు. రెండు వరుసలలో, స్థానం 'కెనడా' మరియు పాయింట్లు 9 కంటే తక్కువగా ఉన్నాయి.

ఉదాహరణ 04

మేము ఇక్కడ “పాండాలు” మరియు “నంపీ” రెండింటినీ వరుసగా “pd” మరియు “np”గా దిగుమతి చేస్తాము. మేము 'pd'ని ఉంచడం ద్వారా 'pandas' పద్ధతులను మరియు 'np'ని అవసరమైన చోట ఉంచడం ద్వారా 'numpy' పద్ధతులను పొందుతాము. అప్పుడు మనం ఇక్కడ రూపొందించిన నిఘంటువు మూడు నిలువు వరుసలను కలిగి ఉంటుంది. “పేరు” కాలమ్‌లో, మేము “మిత్రరాజ్యాలు, జార్జ్, నిమి, శామ్యూల్ మరియు విలియం”లను చొప్పించాము. తర్వాత, మన వద్ద “Obt_Marks” నిలువు వరుస ఉంది, ఇందులో విద్యార్థులు పొందిన మార్కులు ఉంటాయి మరియు ఆ మార్కులు “4, 47, 55, 74 మరియు 31”.

మేము ఇక్కడ 'Prac_Marks' కోసం ఒక కాలమ్‌ను కూడా సృష్టిస్తాము, ఇందులో విద్యార్థి యొక్క ప్రాక్టికల్ మార్కులు ఉంటాయి. మేము ఇక్కడ జోడించే మార్కులు “5, 67, 54, 56 మరియు 12”. మేము ఈ నిఘంటువు యొక్క డేటాఫ్రేమ్‌ని తయారు చేసి, ఆపై దాన్ని ప్రింట్ చేస్తాము. మేము ఇక్కడ 'np.Logical_and'ని వర్తింపజేస్తాము, ఇది ఫలితాన్ని 'True' లేదా 'False' రూపంలో అందిస్తుంది. మేము 'Pass_Status' పేరుతో ఇక్కడ సృష్టించిన కొత్త నిలువు వరుసలో రెండు షరతులను తనిఖీ చేసిన తర్వాత ఫలితాన్ని కూడా నిల్వ చేస్తాము.

ఇది 'Obt_Marks' '40' కంటే ఎక్కువ మరియు 'Prac_Marks' '40' కంటే ఎక్కువగా ఉందో లేదో తనిఖీ చేస్తుంది. రెండూ నిజమైతే, అది కొత్త కాలమ్‌లో నిజం అవుతుంది; లేకుంటే, అది తప్పు అవుతుంది.

కొత్త నిలువు వరుస “Pass_Status” పేరుతో జోడించబడింది మరియు ఈ నిలువు వరుసలో “True” మరియు “False” మాత్రమే ఉంటాయి. పొందిన మార్కులు మరియు ప్రాక్టికల్ మార్కులు 40 కంటే ఎక్కువ ఉన్న చోట ఇది నిజం మరియు మిగిలిన అడ్డు వరుసలకు తప్పుగా ఉంటుంది.

ముగింపు

ఈ ట్యుటోరియల్ యొక్క ప్రధాన లక్ష్యం 'పాండాలు'లో 'మరియు పరిస్థితి' భావనను వివరించడం. రెండు షరతులు సంతృప్తికరంగా ఉన్న అడ్డు వరుసలను ఎలా పొందాలనే దాని గురించి మేము మాట్లాడాము లేదా అన్ని షరతులు సంతృప్తి చెందిన వాటికి కూడా మేము నిజమైనవి మరియు మిగిలిన వాటికి తప్పు. మేము ఇక్కడ నాలుగు ఉదాహరణలను విశ్లేషించాము. ఈ ట్యుటోరియల్‌లో మేము స్థాపించిన నాలుగు ఉదాహరణలు ఈ ప్రక్రియ ద్వారా వెళ్ళాయి. ఈ ట్యుటోరియల్‌లోని ఉదాహరణలు మీ ప్రయోజనం కోసం ఆలోచనాత్మకంగా అందించబడ్డాయి. ఈ ఆలోచనను మరింత స్పష్టంగా అర్థం చేసుకోవడంలో ఈ ట్యుటోరియల్ మీకు సహాయం చేస్తుంది.