Pandas- if else အခြေအနေများကို အသုံးပြု၍ ကော်လံအသစ်တစ်ခု ဖန်တီးပါ။

အကယ်၍ အခြားအခြေအနေများစွာကို အသုံးပြု၍ pandas DataFrame တွင် ကော်လံအသစ်တစ်ခုဖန်တီးရန် အောက်ပါ syntax ကို သင်အသုံးပြုနိုင်သည်-

 #define conditions
conditions = [
    (df[' column1 '] == ' A ') & (df[' column2 '] < 20 ),
    (df[' column1 '] == ' A ') & (df[' column2 '] >= 20 ),
    (df[' column1 '] == ' B ') & (df[' column2 '] < 20 ),
    (df[' column1 '] == ' B ') & (df[' column2 '] >= 20 )
]

#define results
results = [' result1 ', ' result2 ', ' result3 ', ' result4 ']

#create new column based on conditions in column1 and column2
df[' new_column '] = np. select (conditions, results)

ဤဥပမာသည် DataFrame ရှိ ကော်လံ၁ နှင့် ကော်လံ၂ တို့၏ တန်ဖိုးများအပေါ် အခြေခံထားသော new_column ဟုခေါ်သော ကော်လံတစ်ခုကို ဖန်တီးပေးသည်။

အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။

ဥပမာ- Pandas တွင် အခြားအခြေအနေများစွာကို အသုံးပြု၍ ကော်လံအသစ်တစ်ခုဖန်တီးပါ။

အမျိုးမျိုးသော ဘတ်စကတ်ဘောကစားသမားများအကြောင်း အချက်အလက်ပါရှိသော အောက်ပါပန်ဒါ DataFrame ရှိသည်ဆိုပါစို့။

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   ' points ': [15, 18, 22, 24, 12, 17, 20, 28]})

#view DataFrame
print (df)

  team points
0 to 15
1 to 18
2 to 22
3 to 24
4 B 12
5 B 17
6 B 20
7 B 28

ယခု ကျွန်ုပ်တို့သည် ကစားသမားတစ်ဦးစီကို အောက်ပါအုပ်စုလေးခုအနက်မှ တစ်ခုသို့ ခွဲခြားပေးသည့် အတန်း ဟုခေါ်သော ကော်လံအသစ်တစ်ခုကို ဖန်တီးလိုသည်ဆိုကြပါစို့။

• အသင်းက A နဲ့ အမှတ် < 20 ဆိုရင် မကောင်းပါ။
• အဖွဲ့ A နှင့် အမှတ် ≥ 20 ဖြစ်ပါက Good_A
• အသင်းက B ဖြစ်ပြီး အမှတ် < 20 ဖြစ်ပါက Bad_B
• အဖွဲ့ B နှင့် အမှတ် ≥ 20 ဖြစ်ပါက Good_B

ဒါကိုလုပ်ဖို့ အောက်ပါ syntax ကို သုံးနိုင်ပါတယ်။

 import numpy as np

#define conditions
conditions = [
    (df[' team '] == ' A ') & (df[' points '] < 20 ),
    (df[' team '] == ' A ') & (df[' points '] >= 20 ),
    (df[' team '] == ' B ') & (df[' points '] < 20 ),
    (df[' team '] == ' B ') & (df[' points '] >= 20 )
]

#define results
results = [' Bad_A ', ' Good_A ', ' Bad_B ', ' Good_B ']

#create new column based on conditions in column1 and column2
df[' class '] = np. select (conditions, results)

#view updated DataFrame
print (df)

  team points class
0 A 15 Bad_A
1 A 18 Bad_A
2 A 22 Good_A
3 A 24 Good_A
4 B 12 Bad_B
5 B 17 Bad_B
6 B 20 Good_B
7 B 28 Good_B

class ဟုခေါ်သော ကော်လံအသစ်သည် အသင်း ရှိ တန်ဖိုးများနှင့် အမှတ်များ ကော်လံများတွင် ကစားသမားတစ်ဦးစီ၏ အဆင့်သတ်မှတ်ချက်ကို ဖော်ပြသည်။

မှတ်ချက် – NumPy select() လုပ်ဆောင်ချက်အတွက် စာရွက်စာတမ်းအပြည့်အစုံကို ဤနေရာတွင် ရှာဖွေနိုင်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် ပန်ဒါများတွင် အခြားဘုံအလုပ်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

Pandas- အခြေအနေအပေါ်အခြေခံ၍ boolean ကော်လံကို ဖန်တီးနည်း
Pandas: အခြေအနေဖြင့် ကော်လံတစ်ခုတွင် တန်ဖိုးများကို ရေတွက်နည်း
Pandas- Groupby ကိုအသုံးပြုနည်းနှင့် အခြေအနေအရ ရေတွက်နည်း