<\/p>\n
U kunt de functie NumPy Where()<\/a> gebruiken om snel de waarden van een NumPy-array bij te werken met behulp van if-else-logica.<\/span><\/p>\n De volgende code laat bijvoorbeeld zien hoe u waarden kunt bijwerken in een NumPy-array die aan een bepaalde voorwaarde voldoet:<\/span><\/p>\n Als<\/strong> een bepaalde waarde in de tabel kleiner dan 5 of groter dan 8 was, delen we de waarde door 2.<\/span><\/p>\n Anders<\/strong> laten we de waarde ongewijzigd.<\/span><\/p>\n We kunnen een soortgelijke bewerking uitvoeren in een pandas DataFrame met behulp van de pandaswhere()<\/a> functie, maar de syntaxis is iets anders.<\/span><\/p>\n Hier is de basissyntaxis met behulp van de functie NumPywhere():<\/span><\/p>\n En hier is de basissyntaxis met behulp van de pandaswhere() functie:<\/span><\/p>\n In het volgende voorbeeld ziet u hoe u de functie pandaswhere() in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we de volgende panda’s DataFrame hebben:<\/span><\/p>\n We kunnen de volgende pandaswhere()-<\/strong> functie gebruiken om de waarden in kolom A bij te werken op basis van een specifieke voorwaarde:<\/span><\/span><\/p>\n Als<\/strong> een bepaalde waarde in kolom A kleiner was dan 20, vermenigvuldigden we de waarde met 2.<\/span><\/p>\n Anders<\/strong> delen we de waarde door 2.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:<\/span><\/p>\n Panda’s: waarden tellen in een kolom met voorwaarde<\/a> U kunt de functie NumPy Where() gebruiken om snel de waarden van een NumPy-array bij te werken met behulp van if-else-logica. De volgende code laat bijvoorbeeld zien hoe u waarden kunt bijwerken in een NumPy-array die aan een bepaalde voorwaarde voldoet: import numpy as np #create NumPy array of values x = np. array ([1, […]<\/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":[],"class_list":["post-3276","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n import<\/span> numpy as<\/span> np\n\n#create NumPy array of values\n<\/span>x = np. array<\/span> ([1, 3, 3, 6, 7, 9])\n\n#update valuesin array based on condition\n<\/span>x = np. where<\/span> ((x < 5) | (x > 8), x\/2, x)\n\n#view updated array\n<\/span>x\n\narray([0.5, 1.5, 1.5, 6. , 7. , 4.5])\n<\/strong><\/pre>\n x = np. where<\/span> (condition, value_if_true, value_if_false)\n<\/strong><\/pre>\n df[' col<\/span> '] = (value_if_false). where<\/span> (condition, value_if_true)<\/strong><\/pre>\n Voorbeeld: het equivalent van np.where() in Panda’s<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' A<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28],\n ' B<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n AB\n0 18 5\n1 22 7\n2 19 7\n3 14 9\n4 14 12\n5 11 9\n6 20 9\n7 28 4<\/strong><\/span><\/pre>\n #update values in column A based on condition\n<\/span>df[' A<\/span> '] = (df[' A<\/span> '] \/ 2). where<\/span> (df[' A<\/span> '] < 20, df[' A<\/span> '] * 2)\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n AB\n0 9.0 5\n1 44.0 7\n2 9.5 7\n3 7.0 9\n4 7.0 12\n5 5.5 9\n6 40.0 9\n7 56.0 4\n<\/span><\/span><\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Panda’s: rijen in DataFrame verwijderen op basis van voorwaarde<\/a>
Panda’s: hoe waarden in een kolom te vervangen op basis van voorwaarde<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"