{"id":4162,"date":"2023-07-13T04:41:09","date_gmt":"2023-07-13T04:41:09","guid":{"rendered":"https:\/\/statorials.org\/it\/panda-soddisfatti-delle-condizioni\/"},"modified":"2023-07-13T04:41:09","modified_gmt":"2023-07-13T04:41:09","slug":"panda-soddisfatti-delle-condizioni","status":"publish","type":"post","link":"https:\/\/statorials.org\/it\/panda-soddisfatti-delle-condizioni\/","title":{"rendered":"Panda: come utilizzare il riempimento in base alle condizioni"},"content":{"rendered":"

<\/p>\n

\n

Puoi utilizzare la seguente sintassi di base per utilizzare la funzione ffill()<\/strong> in panda per passare valori di riempimento in base a una condizione in un’altra colonna:<\/span><\/p>\n

 df[' sales<\/span> '] = df. groupby<\/span> (' store<\/span> ')[' sales<\/span> ']. ffill<\/span> ()\n<\/strong><\/pre>\n
 Questo particolare esempio trasmetter\u00e0 i valori di riempimento nella colonna delle vendite<\/strong> solo se il valore precedente nella colonna del negozio<\/strong> \u00e8 uguale al valore corrente nella colonna del negozio<\/strong> .<\/span><\/p>\n
 L’esempio seguente mostra come utilizzare questa sintassi nella pratica.<\/span><\/p>\n
 Esempio: utilizzare il riempimento in base alla condizione in Panda<\/strong><\/span><\/h2>\n
 Supponiamo di avere il seguente DataFrame panda che contiene informazioni sulle vendite totali effettuate da due diversi negozi al dettaglio in quattro trimestri aziendali:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' store<\/span> ': ['A', 'A', 'B', 'A', 'B', 'A', 'B', 'B'],\n                   ' quarter<\/span> ': [1, 2, 1, 3, 2, 4, 3, 4],\n                   ' sales<\/span> ': [12, 22, 30, np.nan, 24, np.nan, np.nan, np.nan]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n  store quarter sales\n0 A 1 12.0\n1 to 2 22.0\n2 B 1 30.0\n3 to 3 NaN\n4 B 2 24.0\n5 A 4 NaN\n6 B 3 NaN\n7 B 4 NaN<\/strong><\/pre>\n
 Tieni presente che sono presenti pi\u00f9 valori NaN nella colonna Vendite<\/strong> .<\/span><\/p>\n
 Diciamo che vogliamo riempire questi valori NaN utilizzando il valore precedente nella colonna Vendite<\/strong> , ma vogliamo assicurarci che i valori corrispondano al negozio corretto.<\/span><\/p>\n
 Possiamo usare la seguente sintassi per fare questo:<\/span><\/p>\n
 #group by store and forward fill values in sales column<\/span>\ndf[' sales<\/span> '] = df. groupby<\/span> (' store<\/span> ')[' sales<\/span> ']. ffill<\/span> ()\n\n#view updated DataFrame<\/span>\nprint<\/span> (df)\n\n  store quarter sales\n0 A 1 12.0\n1 to 2 22.0\n2 B 1 30.0\n3 A 3 22.0\n4 B 2 24.0\n5 A 4 22.0\n6 B 3 24.0\n7 B 4 24.0\n<\/strong><\/pre>\n
 Tieni presente che i valori NaN nella colonna Sales<\/strong> sono stati sostituiti con il valore Sales precedente e i valori corrispondono al negozio corretto.<\/span><\/p>\n
 Per esempio:<\/span><\/p>\n