الباندا: كيفية استخدام ما يعادل np.where()
يمكنك استخدام وظيفة NumPy Where() لتحديث قيم مصفوفة NumPy بسرعة باستخدام منطق if-else.
على سبيل المثال، يوضح التعليمة البرمجية التالية كيفية تحديث القيم في مصفوفة NumPy التي تستوفي شرطًا معينًا:
import numpy as np #create NumPy array of values x = np. array ([1, 3, 3, 6, 7, 9]) #update valuesin array based on condition x = np. where ((x < 5) | (x > 8), x/2, x) #view updated array x array([0.5, 1.5, 1.5, 6. , 7. , 4.5])
إذا كانت قيمة معينة في الجدول أقل من 5 أو أكبر من 8، فإننا نقسم القيمة على 2.
وإلا فإننا نترك القيمة دون تغيير.
يمكننا إجراء عملية مماثلة في pandas DataFrame باستخدام الدالة pandaswhere() ، لكن بناء الجملة مختلف قليلاً.
فيما يلي بناء الجملة الأساسي باستخدام الدالة NumPywhere():
x = np. where (condition, value_if_true, value_if_false)
وإليك بناء الجملة الأساسي باستخدام وظيفة pandaswhere():
df[' col '] = (value_if_false). where (condition, value_if_true)
يوضح المثال التالي كيفية استخدام الدالة pandaswhere() عمليًا.
مثال: ما يعادل np.where() في Pandas
لنفترض أن لدينا DataFrame الباندا التالية:
import pandas as pd
#createDataFrame
df = pd. DataFrame ({' A ': [18, 22, 19, 14, 14, 11, 20, 28],
' B ': [5, 7, 7, 9, 12, 9, 9, 4]})
#view DataFrame
print (df)
AB
0 18 5
1 22 7
2 19 7
3 14 9
4 14 12
5 11 9
6 20 9
7 28 4
يمكننا استخدام الدالة pandaswhere() التالية لتحديث القيم في العمود A بناءً على شرط معين:
#update values in column A based on condition
df[' A '] = (df[' A '] / 2). where (df[' A '] < 20, df[' A '] * 2)
#view updated DataFrame
print (df)
AB
0 9.0 5
1 44.0 7
2 9.5 7
3 7.0 9
4 7.0 12
5 5.5 9
6 40.0 9
7 56.0 4
إذا كانت قيمة معينة في العمود A أقل من 20، فإننا نضرب القيمة في 2.
وإلا فإننا قسمنا القيمة على 2.
مصادر إضافية
تشرح البرامج التعليمية التالية كيفية تنفيذ العمليات الشائعة الأخرى في الباندا:
الباندا: كيفية حساب القيم في عمود مع الشرط
الباندا: كيفية حذف الصفوف في DataFrame بناءً على الحالة
الباندا: كيفية استبدال القيم في عمود بناءً على الحالة