วิธีคูณสองคอลัมน์ในนุ่น: พร้อมตัวอย่าง

คุณสามารถใช้วิธีการต่อไปนี้เพื่อคูณสองคอลัมน์ใน DataFrame แพนด้า:

วิธีที่ 1: คูณสองคอลัมน์

 df[' new_column '] = df. column1 * df. column2

วิธีที่ 2: คูณสองคอลัมน์ตามเงื่อนไข

 new_column = df. column1 * df. column2

#update values based on condition
df[' new_column '] = new_column. where (df. column2 == ' value1 ', other= 0 )

ตัวอย่างต่อไปนี้แสดงวิธีการใช้แต่ละวิธีในทางปฏิบัติ

ตัวอย่างที่ 1: คูณสองคอลัมน์

สมมติว่าเรามี DataFrame แพนด้าดังต่อไปนี้:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' price ': [22, 20, 25, 30, 4, 8, 12, 10],
                   ' amount ': [3, 1, 3, 3, 2, 4, 3, 5]})

#view DataFrame
print (df)

   price amount
0 22 3
1 20 1
2 25 3
3 30 3
4 4 2
5 8 4
6 12 3
7 10 5

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อคูณคอลัมน์ ราคา และ จำนวน และสร้างคอลัมน์ใหม่ที่เรียกว่า Revenue :

 #multiply price and amount columns
df[' revenue '] = df. price * df. amount

#view updated DataFrame
print (df)

   price amount revenue
0 22 3 66
1 20 1 20
2 25 3 75
3 30 3 90
4 4 2 8
5 8 4 32
6 12 3 36
7 10 5 50

โปรดทราบว่าค่าในคอลัมน์ รายได้ ใหม่เป็นผลคูณของค่าในคอลัมน์ ราคา และ จำนวน

ตัวอย่างที่ 2: คูณสองคอลัมน์ตามเงื่อนไข

สมมติว่าเรามี DataFrame แพนด้าดังต่อไปนี้:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' price ': [22, 20, 25, 30, 4, 8, 12, 10],
                   ' amount ': [3, 1, 3, 3, 2, 4, 3, 5],
                   ' type ': ['Sale', 'Refund', 'Sale', 'Sale',
                            'Sale', 'Refund', 'Refund', 'Sale']})

#view DataFrame
print (df)

   price amount type
0 22 3 Dirty
1 20 1 Refund
2 25 3 Dirty
3 30 3 Dirty
4 4 2 Dirty
5 8 4 Refund
6 12 3 Return
7 10 5 Dirty

เราสามารถคูณคอลัมน์ ราคา และ จำนวนเข้า ด้วยกัน จากนั้นใช้ฟังก์ชัน Where () เพื่อเปลี่ยนผลลัพธ์ตามค่าของคอลัมน์ ประเภท :

 #multiply price and amount columns
income = df. price * df. amount

#update values based on type
df[' revenue '] = revenue. where (df. type == ' Sale ', other= 0 )

#view updated DataFrame
print (df)

   price amount type revenue
0 22 3 Dirty 66
1 20 1 Refund 0
2 25 3 Dirty 75
3 30 3 Dirty 90
4 4 2 Dirty 8
5 8 4 Refund 0
6 12 3 Refund 0
7 10 5 Dirty 50

โปรดทราบว่าคอลัมน์ รายได้ ใช้ค่าต่อไปนี้:

• ผลคูณของราคาและจำนวนหากประเภทเท่ากับ “การขาย”
• 0 มิฉะนั้น

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีการทำงานทั่วไปอื่นๆ ในแพนด้า:

วิธีเลือกคอลัมน์ตามดัชนีใน Pandas DataFrame
วิธีเปลี่ยนชื่อดัชนีใน Pandas DataFrame
วิธีลบคอลัมน์ตามดัชนีใน Pandas