{"id":4162,"date":"2023-07-13T04:41:09","date_gmt":"2023-07-13T04:41:09","guid":{"rendered":"https:\/\/statorials.org\/nl\/pandas-vervuld-met-voorwaarde\/"},"modified":"2023-07-13T04:41:09","modified_gmt":"2023-07-13T04:41:09","slug":"pandas-vervuld-met-voorwaarde","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/pandas-vervuld-met-voorwaarde\/","title":{"rendered":"Panda's: hoe u vulling gebruikt op basis van de conditie"},"content":{"rendered":"

<\/p>\n

\n

U kunt de volgende basissyntaxis gebruiken om de functie ffill()<\/strong> in panda’s te gebruiken om vulwaarden door te geven op basis van een voorwaarde in een andere kolom:<\/span><\/p>\n

 df[' sales<\/span> '] = df. groupby<\/span> (' store<\/span> ')[' sales<\/span> ']. ffill<\/span> ()\n<\/strong><\/pre>\n
 Dit specifieke voorbeeld geeft alleen vulwaarden door in de verkoopkolom<\/strong> als de vorige waarde in de winkelkolom<\/strong> gelijk is aan de huidige waarde in de winkelkolom<\/strong> .<\/span><\/p>\n
 Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n
 Voorbeeld: gebruik vulling op basis van voorwaarde in Panda’s<\/strong><\/span><\/h2>\n
 Stel dat we het volgende panda’s DataFrame hebben dat informatie bevat over de totale omzet van twee verschillende winkels in vier bedrijfskwartalen:<\/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
 Houd er rekening mee dat er meerdere NaN-waarden in de kolom Verkoop<\/strong> staan.<\/span><\/p>\n
 Stel dat we deze NaN-waarden willen invullen met de vorige waarde in de kolom Verkoop<\/strong> , maar er zeker van willen zijn dat de waarden overeenkomen met de juiste winkel.<\/span><\/p>\n
 We kunnen hiervoor de volgende syntaxis gebruiken:<\/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
 Houd er rekening mee dat de NaN-waarden in de kolom Sales<\/strong> zijn vervangen door de vorige Sales-waarde en dat de waarden overeenkomen met de juiste winkel.<\/span><\/p>\n
 Bijvoorbeeld:<\/span><\/p>\n