Pandas- အခြေအနေပေါ်မူတည်၍ ffill ကိုမည်သို့အသုံးပြုရမည်နည်း။

အခြားကော်လံရှိ အခြေအနေတစ်ခုအပေါ် အခြေခံ၍ ဖြည့်စွက်တန်ဖိုးများကို ဖြတ်သန်းရန် ပန်ဒါများရှိ ffill() လုပ်ဆောင်ချက်ကို အသုံးပြုရန် အောက်ပါအခြေခံ syntax ကို သင်အသုံးပြုနိုင်သည်-

 df[' sales '] = df. groupby (' store ')[' sales ']. ffill ()

စတိုးကော်လံရှိ ယခင်တန်ဖိုးသည် စတိုး ကော်လံရှိ လက်ရှိတန်ဖိုးနှင့် ညီမျှမှသာ ဤဥပမာသည် အရောင်း ကော်လံတွင် ဖြ ည့ ်စွက်တန်ဖိုးများကို ဖြတ်သန်းမည်ဖြစ်သည်။

အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။

ဥပမာ- Pandas ရှိ အခြေအနေအပေါ် အခြေခံ၍ ဖြည့်သွင်းမှုကို အသုံးပြုပါ။

လုပ်ငန်းလေးပုံတစ်ပုံကျော်တွင် မတူညီသော လက်လီစတိုးဆိုင်နှစ်ခုမှ ရောင်းချသည့် စုစုပေါင်းရောင်းချမှုဆိုင်ရာ အချက်အလက်ပါရှိသော အောက်ပါပန်ဒါ DataFrame ရှိသည်ဆိုပါစို့။

 import pandas as pd
import numpy as np

#createDataFrame
df = pd. DataFrame ({' store ': ['A', 'A', 'B', 'A', 'B', 'A', 'B', 'B'],
                   ' quarter ': [1, 2, 1, 3, 2, 4, 3, 4],
                   ' sales ': [12, 22, 30, np.nan, 24, np.nan, np.nan, np.nan]})

#view DataFrame
print (df)

  store quarter sales
0 A 1 12.0
1 to 2 22.0
2 B 1 30.0
3 to 3 NaN
4 B 2 24.0
5 A 4 NaN
6 B 3 NaN
7 B 4 NaN

အရောင်း ကော်လံတွင် NaN တန်ဖိုးများစွာရှိကြောင်း သတိပြုပါ။

Sales ကော်လံရှိ ယခင်တန်ဖိုးများကို အသုံးပြု၍ ဤ NaN တန်ဖိုးများကို ဖြည့်စွက်လိုသော်လည်း တန်ဖိုးများသည် မှန်ကန်သောစတိုးဆိုင်နှင့် ကိုက်ညီကြောင်း သေချာစေလိုပါသည်။

ဒါကိုလုပ်ဖို့ အောက်ပါ syntax ကို သုံးနိုင်ပါတယ်။

 #group by store and forward fill values in sales column
df[' sales '] = df. groupby (' store ')[' sales ']. ffill ()

#view updated DataFrame
print (df)

  store quarter sales
0 A 1 12.0
1 to 2 22.0
2 B 1 30.0
3 A 3 22.0
4 B 2 24.0
5 A 4 22.0
6 B 3 24.0
7 B 4 24.0

အရောင်း ကော်လံရှိ NaN တန်ဖိုးများကို ယခင် အရောင်းတန်ဖိုးနှင့် အစားထိုးခဲ့ပြီး တန်ဖိုးများသည် မှန်ကန်သောစတိုးဆိုင်နှင့် သက်ဆိုင်ကြောင်း သတိပြုပါ။

ဥပမာအားဖြင့်:

• အတန်းအညွှန်း၏ ရာထူး 3 တွင် NaN တန်ဖိုးကို တန်ဖိုး 22 ဖြင့် အစားထိုးခဲ့သည်၊ ၎င်းသည် စတိုးဆိုင် A နှင့် သက်ဆိုင်သည့် အရောင်းကော်လံရှိ နောက်ဆုံးတန်ဖိုးဖြစ်သည်။
• အတန်းအညွှန်းကိန်း၏ ရာထူး 6 တွင် NaN တန်ဖိုးကို တန်ဖိုး 24 ဖြင့် အစားထိုးခဲ့သည်၊ ၎င်းသည် စတိုး B နှင့်သက်ဆိုင်သည့် အရောင်းကော်လံရှိ နောက်ဆုံးတန်ဖိုးဖြစ်သည်။

နောက် … ပြီးတော့။

မှတ်ချက် – pandas ffill() လုပ်ဆောင်ချက်၏ စာရွက်စာတမ်းအပြည့်အစုံကို ဤနေရာတွင် ရှာဖွေနိုင်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် ပန်ဒါများတွင် အခြားဘုံလုပ်ဆောင်ချက်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

ပန်ဒါမှာ ပျောက်ဆုံးနေတဲ့ တန်ဖိုးတွေကို ဘယ်လိုရေတွက်မလဲ။
Pandas ရှိ NaN တန်ဖိုးများဖြင့် အတန်းများကို ဖျက်နည်း
Pandas တွင် သတ်မှတ်ထားသော တန်ဖိုးများပါရှိသော အတန်းများကို ဖျက်နည်း