Pandas: วิธีการใช้งานเทียบเท่ากับ np.where()

คุณสามารถใช้ฟังก์ชัน NumPy Where() เพื่ออัปเดตค่าของอาร์เรย์ NumPy ได้อย่างรวดเร็วโดยใช้ตรรกะ if-else

ตัวอย่างเช่น รหัสต่อไปนี้แสดงวิธีอัปเดตค่าในอาร์เรย์ NumPy ที่ตรงตามเงื่อนไขบางประการ:

 import numpy as np

#create NumPy array of values
x = np. array ([1, 3, 3, 6, 7, 9])

#update valuesin array based on condition
x = np. where ((x < 5) | (x > 8), x/2, x)

#view updated array
x

array([0.5, 1.5, 1.5, 6. , 7. , 4.5])

หาก ค่าที่กำหนดในตารางน้อยกว่า 5 หรือมากกว่า 8 เราจะหารค่าด้วย 2

มิฉะนั้น เราจะไม่เปลี่ยนแปลงค่า

เราสามารถดำเนินการที่คล้ายกันใน DataFrame ของ pandas ได้โดยใช้ฟังก์ชัน pandaswhere() แต่ไวยากรณ์จะแตกต่างออกไปเล็กน้อย

นี่คือไวยากรณ์พื้นฐานโดยใช้ฟังก์ชัน NumPywhere():

 x = np. where (condition, value_if_true, value_if_false)

และนี่คือไวยากรณ์พื้นฐานที่ใช้ฟังก์ชัน pandaswhere():

 df[' col '] = (value_if_false). where (condition, value_if_true)

ตัวอย่างต่อไปนี้แสดงวิธีการใช้ฟังก์ชัน pandaswhere() ในทางปฏิบัติ

ตัวอย่าง: เทียบเท่ากับ np.where() ใน Pandas

สมมติว่าเรามี DataFrame แพนด้าดังต่อไปนี้:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' A ': [18, 22, 19, 14, 14, 11, 20, 28],
                   ' B ': [5, 7, 7, 9, 12, 9, 9, 4]})

#view DataFrame
print (df)

    AB
0 18 5
1 22 7
2 19 7
3 14 9
4 14 12
5 11 9
6 20 9
7 28 4

เราสามารถใช้ฟังก์ชัน pandaswhere() ต่อไปนี้เพื่ออัปเดตค่าในคอลัมน์ A ตามเงื่อนไขเฉพาะ:

 #update values in column A based on condition
df[' A '] = (df[' A '] / 2). where (df[' A '] < 20, df[' A '] * 2)

#view updated DataFrame
print (df)

      AB
0 9.0 5
1 44.0 7
2 9.5 7
3 7.0 9
4 7.0 12
5 5.5 9
6 40.0 9
7 56.0 4

หาก ค่าที่กำหนดในคอลัมน์ A น้อยกว่า 20 เราจะคูณค่าด้วย 2

มิฉะนั้น เราก็หารค่าด้วย 2.

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการทั่วไปอื่น ๆ ในแพนด้า:

Pandas: วิธีนับค่าในคอลัมน์ที่มีเงื่อนไข
Pandas: วิธีลบแถวใน DataFrame ตามเงื่อนไข
Pandas: วิธีแทนที่ค่าในคอลัมน์ตามเงื่อนไข