<\/p>\n
Mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni, aby por\u00f3wna\u0107 warto\u015bci trzech kolumn w pandach:<\/span><\/p>\n Ta sk\u0142adnia tworzy now\u0105 kolumn\u0119 o nazwie all_matching<\/strong> , kt\u00f3ra zwraca True<\/strong> , je\u015bli wszystkie kolumny maj\u0105 pasuj\u0105ce warto\u015bci, w przeciwnym razie zwraca False<\/strong> .<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak zastosowa\u0107 t\u0119 sk\u0142adni\u0119 w praktyce.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych pand z trzema kolumnami:<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 poni\u017cszego kodu, aby utworzy\u0107 now\u0105 kolumn\u0119 o nazwie all_matching<\/strong> , kt\u00f3ra zwraca warto\u015b\u0107 True<\/strong> , je\u015bli wszystkie trzy kolumny w danym wierszu pasuj\u0105, lub False<\/strong> , je\u015bli tak nie jest:<\/span><\/p>\n Nowa kolumna o nazwie all_matching<\/strong> wskazuje, czy warto\u015bci w trzech kolumnach pasuj\u0105 do siebie w danym wierszu.<\/span><\/span><\/p>\n Na przyk\u0142ad:<\/span><\/p>\n I tak dalej.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w pandach:<\/span><\/p>\n Jak zmieni\u0107 nazwy kolumn w Pandach<\/a> Mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni, aby por\u00f3wna\u0107 warto\u015bci trzech kolumn w pandach: df[’ all_matching ’] = df. apply ( lambda x: x.col1 == x.col2 == x.col3 , axis = 1 ) Ta sk\u0142adnia tworzy now\u0105 kolumn\u0119 o nazwie all_matching , kt\u00f3ra zwraca True , je\u015bli wszystkie kolumny maj\u0105 pasuj\u0105ce warto\u015bci, w przeciwnym razie zwraca False […]<\/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-3304","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n df[' all_matching<\/span> '] = df. apply<\/span> ( lambda<\/span> x: x.col1<\/span> == x.col2<\/span> == x.col3<\/span> , axis = 1<\/span> )\n<\/strong><\/pre>\n Przyk\u0142ad: por\u00f3wnaj trzy kolumny w Pandach<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' A<\/span> ': [4, 0, 3, 3, 6, 8, 7, 9, 12],\n ' B<\/span> ': [4, 2, 3, 5, 6, 4, 7, 7, 12],\n ' C<\/span> ': [4, 0, 3, 5, 5, 10, 7, 9, 12]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n ABC\n0 4 4 4\n1 0 2 0\n2 3 3 3\n3 3 5 5\n4 6 6 5\n5 8 4 10\n6 7 7 7\n7 9 7 9\n8 12 12 12<\/strong><\/pre>\n #create new column that displays whether or not all column values match\n<\/span>df[' all_matching<\/span> '] = df. apply<\/span> ( lambda<\/span> x: x. A<\/span> == x. B<\/span> == x. C<\/span> , axis = 1<\/span> )\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n ABC all_matching\n0 4 4 4 True\n1 0 2 0 False\n2 3 3 3 True\n3 3 5 5 False\n4 6 6 5 False\n5 8 4 10 False\n6 7 7 7 True\n7 9 7 9 False\n8 12 12 12 True\n<\/strong><\/pre>\n\n
Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak doda\u0107 kolumn\u0119 do ramki danych Pandas
Jak zmieni\u0107 kolejno\u015b\u0107 kolumn w Pandas DataFrame<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"