<\/p>\n
Mo\u017cesz u\u017cy\u0107 funkcji NumPy Where()<\/a> , aby szybko zaktualizowa\u0107 warto\u015bci tablicy NumPy za pomoc\u0105 logiki if-else.<\/span><\/p>\n Na przyk\u0142ad poni\u017cszy kod pokazuje, jak zaktualizowa\u0107 warto\u015bci w tablicy NumPy, kt\u00f3ra spe\u0142nia okre\u015blony warunek:<\/span><\/p>\n Je\u015bli<\/strong> dana warto\u015b\u0107 w tabeli by\u0142a mniejsza ni\u017c 5 lub wi\u0119ksza ni\u017c 8, dzielimy t\u0119 warto\u015b\u0107 przez 2.<\/span><\/p>\n W przeciwnym razie<\/strong> warto\u015b\u0107 pozostawiamy bez zmian.<\/span><\/p>\n Podobn\u0105 operacj\u0119 mo\u017cemy wykona\u0107 w ramce DataFrame pandy, u\u017cywaj\u0105c funkcji pandaswhere()<\/a> , ale sk\u0142adnia jest nieco inna.<\/span><\/p>\n Oto podstawowa sk\u0142adnia u\u017cycia funkcji NumPywhere():<\/span><\/p>\n A oto podstawowa sk\u0142adnia funkcji pandaswhere():<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak w praktyce wykorzysta\u0107 funkcj\u0119 pandaswhere().<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 DataFrame pand:<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 poni\u017cszej funkcji pandaswhere()<\/strong> , aby zaktualizowa\u0107 warto\u015bci w kolumnie A na podstawie okre\u015blonego warunku:<\/span><\/span><\/p>\n Je\u015bli<\/strong> dana warto\u015b\u0107 w kolumnie A by\u0142a mniejsza ni\u017c 20, mno\u017cyli\u015bmy t\u0119 warto\u015b\u0107 przez 2.<\/span><\/p>\n W przeciwnym razie<\/strong> podzielili\u015bmy warto\u015b\u0107 przez 2.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe operacje na pandach:<\/span><\/p>\n Pandy: Jak liczy\u0107 warto\u015bci w kolumnie z warunkiem<\/a> Mo\u017cesz u\u017cy\u0107 funkcji NumPy Where() , aby szybko zaktualizowa\u0107 warto\u015bci tablicy NumPy za pomoc\u0105 logiki if-else. Na przyk\u0142ad poni\u017cszy kod pokazuje, jak zaktualizowa\u0107 warto\u015bci w tablicy NumPy, kt\u00f3ra spe\u0142nia okre\u015blony warunek: import numpy as np #create NumPy array of values x = np. array ([1, 3, 3, 6, 7, 9]) #update valuesin array based on […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3274","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"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 Przyk\u0142ad: odpowiednik np.where() w Pandach<\/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 Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Pandy: Jak usun\u0105\u0107 wiersze w DataFrame na podstawie warunku<\/a>
Pandy: jak zamieni\u0107 warto\u015bci w kolumnie na podstawie warunku<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"