<\/p>\n
Anda dapat menggunakan sintaks dasar berikut untuk membuat kolom Boolean berbasis kondisi di pandas DataFrame:<\/span><\/p>\n Sintaks khusus ini membuat kolom Boolean baru dengan dua kemungkinan nilai:<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/p>\n Misalkan kita memiliki pandas DataFrame berikut yang berisi informasi tentang berbagai pemain bola basket:<\/span><\/p>\n Kita dapat menggunakan kode berikut untuk membuat kolom baru bernama good_player<\/strong> yang mengembalikan True<\/strong> jika nilai di kolom poin lebih besar dari 15 atau False<\/strong> sebaliknya:<\/span><\/p>\n Perhatikan bahwa kolom baru bernama good_player<\/strong> hanya berisi dua nilai: True<\/strong> atau False<\/strong> .<\/span><\/p>\n Kita dapat menggunakan fungsi dtypes()<\/strong> untuk memverifikasi bahwa kolom good_player<\/strong> yang baru memang merupakan kolom Boolean:<\/span><\/p>\n Kolom good_player<\/strong> yang baru memang merupakan kolom Boolean.<\/span><\/p>\n Perhatikan juga bahwa Anda dapat mengembalikan nilai numerik seperti 1<\/strong> dan 0<\/strong> alih-alih Benar<\/strong> dan Salah<\/strong> jika Anda ingin:<\/span><\/p>\n Kolom good_player<\/strong> sekarang berisi 1<\/strong> jika nilai terkait di kolom poin<\/strong> lebih besar dari 15.<\/span><\/p>\n Jika tidak, ini berisi nilai 0<\/strong> .<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan operasi umum lainnya di panda:<\/span><\/p>\n Cara memilih baris berdasarkan beberapa kondisi di Pandas<\/a> Anda dapat menggunakan sintaks dasar berikut untuk membuat kolom Boolean berbasis kondisi di pandas DataFrame: df[‘ boolean_column ‘] = np. where (df[‘ some_column ‘] > 15, True , False ) Sintaks khusus ini membuat kolom Boolean baru dengan dua kemungkinan nilai: Benar jika nilai di some_column lebih besar dari 15. Salah jika nilai di some_column […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df[' boolean_column<\/span> '] = np. where<\/span> (df[' some_column<\/span> '] > 15, True<\/span> , False<\/span> )\n<\/strong><\/pre>\n\n
Contoh: Membuat Kolom Boolean Berdasarkan Kondisi di Pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' points<\/span> ': [5, 17, 7, 19, 12, 13, 9, 24]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points\n0 to 5\n1 to 17\n2 to 7\n3 to 19\n4 B 12\n5 B 13\n6 B 9\n7 B 24 \n<\/span><\/span><\/strong><\/pre>\n import<\/span> numpy as<\/span> np\n\n#create new boolean column based on value in points column\n<\/span>df[' good_player<\/span> '] = np. where<\/span> (df[' points<\/span> '] > 15, True<\/span> , False<\/span> )\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n team points good_player\n0 To 5 False\n1 To 17 True\n2 To 7 False\n3 To 19 True\n4 B 12 False\n5 B 13 False\n6 B 9 False\n7 B 24 True<\/span><\/span><\/strong><\/pre>\n #display data type of good_player column<\/span>\n<\/span>df[' good_player<\/span> ']. dtype\n\n<\/span>dtype('bool')\n<\/span><\/span><\/strong><\/pre>\n import<\/span> numpy as<\/span> np\n\n#create new boolean column based on value in points column\n<\/span>df[' good_player<\/span> '] = np. where<\/span> (df[' points<\/span> '] > 15, 1<\/span> ,<\/span> 0<\/span> )\n\n#view updated DataFrame\n<\/span><\/span>print<\/span> (df)\n\n team points good_player\n0 to 5 0\n1 To 17 1\n2 to 7 0\n3 A 19 1\n4 B 12 0\n5 B 13 0\n6 B 9 0\n7 B 24 1\n<\/span><\/span><\/span><\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara membuat kolom baru berdasarkan kondisi di Pandas<\/a>
Cara memfilter Pandas DataFrame pada berbagai kondisi<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"