<\/p>\n
Mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej sk\u0142adni w pandach, aby przypisa\u0107 warto\u015bci do kolumny na podstawie warto\u015bci innej kolumny:<\/span><\/p>\n Ta konkretna sk\u0142adnia utworzy now\u0105 kolumn\u0119 o nazwie \u201enew\u201d, kt\u00f3ra przyjmie nast\u0119puj\u0105ce warto\u015bci:<\/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, kt\u00f3ra zawiera informacje o r\u00f3\u017cnych koszykarzach:<\/span><\/p>\n Za\u0142\u00f3\u017cmy teraz, \u017ce chcemy utworzy\u0107 now\u0105 kolumn\u0119 o nazwie miasto<\/strong> , kt\u00f3rej warto\u015bci zale\u017c\u0105 od odpowiedniej warto\u015bci w kolumnie zesp\u00f3\u0142<\/strong> .<\/span><\/span><\/p>\n W tym celu mo\u017cemy u\u017cy\u0107 nast\u0119puj\u0105cej sk\u0142adni:<\/span><\/p>\n Ta konkretna sk\u0142adnia utworzy\u0142a now\u0105 kolumn\u0119 o nazwie miasto<\/strong> , kt\u00f3ra przyjmuje nast\u0119puj\u0105ce warto\u015bci:<\/span><\/p>\n Zauwa\u017c, \u017ce w tym przyk\u0142adzie u\u017cyli\u015bmy pustego ci\u0105gu znak\u00f3w po ostatniej instrukcji else<\/strong> , aby po prostu pozostawi\u0107 warto\u015bci, kt\u00f3re nie spe\u0142niaj\u0105 \u017cadnych warunk\u00f3w, puste.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe operacje na pandach:<\/span><\/p>\n Pandy: pobierz indeks wierszy, kt\u00f3rych kolumna odpowiada warto\u015bci<\/a> Mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej sk\u0142adni w pandach, aby przypisa\u0107 warto\u015bci do kolumny na podstawie warto\u015bci innej kolumny: df[’ new ’] = df[’ col ’]. map ( lambda x: ’ new1 ’ if ’ A ’ in x else ’ new2 ’ if ’ B ’ in x else ”) Ta konkretna sk\u0142adnia utworzy now\u0105 kolumn\u0119 o […]<\/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-3883","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n df[' new<\/span> '] = df[' col<\/span> ']. map<\/span> ( lambda<\/span> x: ' new1<\/span> ' if<\/span> ' A<\/span> ' in<\/span> x else<\/span> ' new2<\/span> ' if<\/span> ' B<\/span> ' in<\/span> x else<\/span> '')\n<\/span><\/span><\/strong><\/pre>\n\n
Przyk\u0142ad: u\u017cycie formu\u0142y \u201eJe\u015bli warto\u015b\u0107 w kolumnie to\u201d w Pandach<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'C', 'C'],\n ' points<\/span> ': [14, 22, 25, 34, 30, 12, 10, 18]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points\n0 to 14\n1 to 22\n2 to 25\n3 to 34\n4 B 30\n5 B 12\n6 C 10\n7 C 18\n<\/b><\/pre>\n #create new column called city whose values depend on values in team column\n<\/span>df[' city<\/span> '] = df[' team<\/span> ']. map<\/span> ( lambda<\/span> x: ' Atlanta<\/span> ' if<\/span> ' A<\/span> ' in<\/span> x else<\/span> ' Boston<\/span> ' if<\/span> ' B<\/span> ' in<\/span> x else<\/span> '')\n\n#view updated DataFrame \n<\/span>print<\/span> (df)\n\n team points city\n0 A 14 Atlanta\n1 to 22 Atlanta\n2 to 25 Atlanta\n3 to 34 Atlanta\n4 B 30 Boston\n5 B 12 Boston\n6 C 10 \n7 C 18 \n<\/span><\/span><\/strong><\/pre>\n\n
Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Pandy: jak wybra\u0107 kolumny zawieraj\u0105ce okre\u015blony ci\u0105g<\/a>
Pandy: jak sprawdzi\u0107, czy kolumna zawiera ci\u0105g znak\u00f3w<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"