தொடரியல்
df [ ( cond_1 ) & ( cond_2 ) ]எடுத்துக்காட்டு 01
'Spyder' பயன்பாட்டில் இந்தக் குறியீடுகளைச் செய்கிறோம் மேலும் இங்குள்ள 'pandas' இல் உள்ள 'AND' ஆபரேட்டரைப் பயன்படுத்துவோம். நாம் பாண்டாக் குறியீடுகளைச் செய்து வருவதால், முதலில் 'pd ஆக pd' ஐ இறக்குமதி செய்ய வேண்டும், மேலும் நமது குறியீட்டில் 'pd' ஐ மட்டும் வைத்து அதன் முறையைப் பெறுவோம். பின்னர் 'கான்ட்' என்ற பெயரில் ஒரு அகராதியை உருவாக்குகிறோம், மேலும் இங்கு நாம் செருகும் தரவு 'A1', 'A2' மற்றும் 'A3' ஆகியவை நெடுவரிசை பெயர்களாகும், மேலும் '1, 2 மற்றும் 3' ஐ ' A1', 'A2' இல் '2, 6 மற்றும் 4' மற்றும் கடைசி 'A3' இல் '3, 4 மற்றும் 5' உள்ளது.
பின்னர் இங்குள்ள “pd.DataFrame” ஐப் பயன்படுத்தி இந்த அகராதியின் DataFrame ஐ உருவாக்குகிறோம். இது மேலே உள்ள அகராதி தரவின் DataFrame ஐ வழங்கும். இங்கே “அச்சு ()” ஐ வழங்குவதன் மூலமும் நாங்கள் அதை வழங்குகிறோம், இதற்குப் பிறகு, நாங்கள் சில நிபந்தனைகளைப் பயன்படுத்துகிறோம், மேலும் இந்த நிலையில் “&” ஆபரேட்டரைப் பயன்படுத்துகிறோம். இங்கே முதல் நிபந்தனை 'A1 >= 1', பின்னர் நாம் '&' ஆபரேட்டரை வைத்து 'A2 <5' என்று மற்றொரு நிபந்தனையை வைக்கிறோம். இதை இயக்கும்போது, “A1 >=1” மற்றும் “A2 <5” எனில் அது முடிவை வழங்கும். இரண்டு நிபந்தனைகளும் இங்கே திருப்தி அடைந்தால், அது முடிவைக் காண்பிக்கும், மேலும் அவற்றில் ஏதேனும் இங்கே திருப்தி அடையவில்லை என்றால், அது எந்தத் தரவையும் காட்டாது.
இது DataFrame இன் “A1” மற்றும் “A2” நெடுவரிசைகளை சரிபார்த்து, அதன் முடிவைத் தருகிறது. 'அச்சு ()' அறிக்கையைப் பயன்படுத்துவதால், முடிவு திரையில் காட்டப்படும்.
முடிவு இங்கே உள்ளது. DataFrame இல் நாம் செருகிய அனைத்து தரவையும் இது காண்பிக்கும் மற்றும் இரண்டு நிபந்தனைகளையும் சரிபார்க்கிறது. இது “A1 >=1” மற்றும் “A2 <5” வரிசைகளை வழங்குகிறது. இந்த வெளியீட்டில் இரண்டு வரிசைகளைப் பெறுகிறோம், ஏனெனில் இரண்டு நிபந்தனைகளும் இரண்டு வரிசைகளில் திருப்தி அடைகின்றன.
எடுத்துக்காட்டு 02
இந்த எடுத்துக்காட்டில், 'pd as pd' ஐ இறக்குமதி செய்த பிறகு நேரடியாக DataFrame ஐ உருவாக்குகிறோம். நான்கு நெடுவரிசைகளைக் கொண்ட தரவுகளுடன் “டீம்” டேட்டாஃப்ரேம் இங்கே உருவாக்கப்பட்டது. முதல் நெடுவரிசை இங்கே 'அணிகள்' நெடுவரிசையாகும், அதில் 'A, A, B, B, B, B, C, C' என்று வைக்கிறோம். பின்னர் 'அணிகள்' க்கு அடுத்த நெடுவரிசை 'மதிப்பெண்' ஆகும், அதில் '25, 12, 15, 14, 19, 23, 25 மற்றும் 29' ஐ செருகுவோம். இதற்குப் பிறகு, எங்களிடம் உள்ள நெடுவரிசை 'அவுட்' ஆகும், மேலும் அதில் '5, 7, 7, 9, 12, 9, 9 மற்றும் 4' என தரவையும் சேர்ப்போம். இங்கே எங்களின் கடைசி நெடுவரிசை 'ரீபவுண்டுகள்' நெடுவரிசையாகும், இதில் சில எண் தரவுகளும் உள்ளன, இது '11, 8, 10, 6, 6, 5, 9 மற்றும் 12' ஆகும்.
DataFrame இங்கே முடிந்தது, இப்போது நாம் இந்த DataFrame ஐ அச்சிட வேண்டும், எனவே இதற்காக, 'print ()' ஐ இங்கே வைக்கிறோம். இந்த DataFrame இலிருந்து சில குறிப்பிட்ட தரவைப் பெற விரும்புகிறோம், எனவே சில நிபந்தனைகளை இங்கு அமைத்துள்ளோம். எங்களிடம் இரண்டு நிபந்தனைகள் உள்ளன, மேலும் இந்த நிபந்தனைகளுக்கு இடையில் “AND” ஆபரேட்டரைச் சேர்ப்போம், எனவே இது இரண்டு நிபந்தனைகளையும் பூர்த்தி செய்யும் நிபந்தனைகளை மட்டுமே வழங்கும். நாங்கள் இங்கு சேர்த்த முதல் நிபந்தனை “மதிப்பெண் > 20”, பின்னர் “&” ஆபரேட்டரை வைக்கவும், மற்ற நிபந்தனை “அவுட் == 9”.
எனவே, இது அணியின் ஸ்கோர் 20 க்கும் குறைவாக இருக்கும் தரவை வடிகட்டுகிறது மற்றும் அவர்களின் அவுட்கள் 9 ஆகும். இது அவற்றை வடிகட்டுகிறது மற்றும் மீதமுள்ளவற்றைப் புறக்கணிக்கிறது, இது இரண்டு நிபந்தனைகளையும் அல்லது அவற்றில் ஏதேனும் ஒன்றையும் பூர்த்தி செய்யாது. இரண்டு நிபந்தனைகளையும் பூர்த்தி செய்யும் தரவையும் நாங்கள் காண்பிக்கிறோம், எனவே 'அச்சு ()' முறையைப் பயன்படுத்தியுள்ளோம்.
இரண்டு வரிசைகள் மட்டுமே இரண்டு நிபந்தனைகளையும் பூர்த்தி செய்கின்றன, இந்த டேட்டாஃப்ரேமில் நாங்கள் பயன்படுத்தியுள்ளோம். இது 20 க்கு மேல் மதிப்பெண் பெற்ற வரிசைகளை மட்டுமே வடிகட்டுகிறது, மேலும், அவற்றின் அவுட்கள் 9 ஆகவும், அவற்றை இங்கே காண்பிக்கவும்.
எடுத்துக்காட்டு 03
எங்கள் மேலே உள்ள குறியீடுகளில், எண் தரவுகளை எங்கள் DataFrame இல் செருகுவோம். இப்போது, இந்த குறியீட்டில் சில சரம் தரவை வைக்கிறோம். 'pd ஆக pd' ஐ இறக்குமதி செய்த பிறகு, 'Member' DataFrame ஐ உருவாக்க நாங்கள் நகர்கிறோம். இது நான்கு தனித்துவமான நெடுவரிசைகளைக் கொண்டுள்ளது. இங்குள்ள முதல் நெடுவரிசையின் பெயர் 'பெயர்' மற்றும் நாங்கள் உறுப்பினர்களின் பெயர்களைச் செருகுவோம், அவை 'கூட்டாளிகள், பில்ஸ், சார்லஸ், டேவிட், ஈதன், ஜார்ஜ் மற்றும் ஹென்றி'. அடுத்த நெடுவரிசைக்கு இங்கே 'இடம்' என்று பெயரிடப்பட்டுள்ளது, மேலும் அதில் 'அமெரிக்கா' உள்ளது. கனடா, ஐரோப்பா, கனடா, ஜெர்மனி, துபாய் மற்றும் கனடா” அதில். 'குறியீடு' நெடுவரிசையில் 'W, W, W, E, E, E, மற்றும் E' உள்ளது. இங்கு உறுப்பினர்களின் “புள்ளிகளை” “11, 6, 10, 8, 6, 5 மற்றும் 12” ஆகச் சேர்க்கிறோம். 'அச்சு ()' முறையைப் பயன்படுத்தி 'உறுப்பினர்' டேட்டாஃப்ரேமை நாங்கள் வழங்குகிறோம். இந்த DataFrame இல் சில நிபந்தனைகளை நாங்கள் குறிப்பிட்டுள்ளோம்.
இங்கே, எங்களிடம் இரண்டு நிபந்தனைகள் உள்ளன, அவற்றுக்கிடையே 'AND' ஆபரேட்டரைச் சேர்ப்பதன் மூலம், அது இரண்டு நிபந்தனைகளையும் பூர்த்தி செய்யும் நிபந்தனைகளை மட்டுமே வழங்கும். இங்கே, நாங்கள் அறிமுகப்படுத்திய முதல் நிபந்தனை 'இடம் == கனடா', அதைத் தொடர்ந்து '&' ஆபரேட்டர், மற்றும் இரண்டாவது நிபந்தனை, 'புள்ளிகள் <= 9'. இரண்டு நிபந்தனைகளும் திருப்திகரமாக இருக்கும் DataFrame இலிருந்து அந்தத் தரவைப் பெறுகிறது, பின்னர் இரண்டு நிபந்தனைகளும் உண்மையாக இருக்கும் தரவைக் காண்பிக்கும் “print ()” ஐ வைத்துள்ளோம்.
DataFrame இலிருந்து இரண்டு வரிசைகள் பிரித்தெடுக்கப்பட்டு காட்டப்படுவதை கீழே நீங்கள் கவனிக்கலாம். இரண்டு வரிசைகளிலும், இருப்பிடம் 'கனடா' மற்றும் புள்ளிகள் 9 க்கும் குறைவாக உள்ளது.
எடுத்துக்காட்டு 04
இங்கே 'pd' மற்றும் 'np' என 'pandas' மற்றும் 'numpy' இரண்டையும் இறக்குமதி செய்கிறோம். 'pd' ஐ வைப்பதன் மூலம் 'pandas' முறைகளையும், 'np' ஐ வைப்பதன் மூலம் 'numpy' முறைகளையும் பெறுகிறோம். பின்னர் நாம் இங்கு உருவாக்கிய அகராதி மூன்று பத்திகளைக் கொண்டுள்ளது. 'பெயர்' நெடுவரிசையில், நாங்கள் 'நட்பு நாடுகள், ஜார்ஜ், நிமி, சாமுவேல் மற்றும் வில்லியம்' ஆகியவற்றைச் செருகுவோம். அடுத்து, எங்களிடம் “Obt_Marks” நெடுவரிசை உள்ளது, அதில் மாணவர்கள் பெற்ற மதிப்பெண்கள் உள்ளன, மேலும் அந்த மதிப்பெண்கள் “4, 47, 55, 74 மற்றும் 31” ஆகும்.
மாணவர்களின் நடைமுறை மதிப்பெண்களைக் கொண்ட “Prac_Marks” க்கான நெடுவரிசையையும் உருவாக்குகிறோம். இங்கே நாம் சேர்க்கும் மதிப்பெண்கள் “5, 67, 54, 56 மற்றும் 12”. இந்த அகராதியின் DataFrame ஐ உருவாக்கி, அதை அச்சிடுகிறோம். இங்கே 'np.Logical_and' ஐப் பயன்படுத்துகிறோம், இது 'True' அல்லது 'False' வடிவத்தில் முடிவை வழங்கும். 'Pass_Status' என்ற பெயரில் நாங்கள் உருவாக்கிய புதிய நெடுவரிசையில் இரண்டு நிபந்தனைகளையும் சரிபார்த்த பிறகு முடிவையும் சேமிக்கிறோம்.
'Obt_Marks' '40' ஐ விட அதிகமாக உள்ளதா மற்றும் 'Prac_Marks' '40' ஐ விட அதிகமாக உள்ளதா என்பதை இது சரிபார்க்கிறது. இரண்டும் உண்மையாக இருந்தால், அது புதிய நெடுவரிசையில் உண்மையாக இருக்கும்; இல்லையெனில், அது பொய்யாகிவிடும்.
புதிய நெடுவரிசை 'Pass_Status' என்ற பெயரில் சேர்க்கப்பட்டுள்ளது, மேலும் இந்த நெடுவரிசையில் 'True' மற்றும் 'False' மட்டுமே உள்ளன. பெறப்பட்ட மதிப்பெண்கள் மற்றும் நடைமுறை மதிப்பெண்கள் 40 ஐ விட அதிகமாக இருந்தால் அது உண்மையாகவும் மீதமுள்ள வரிசைகளுக்கு தவறானதாகவும் இருக்கும்.
முடிவுரை
இந்த டுடோரியலின் முக்கிய குறிக்கோள் 'பாண்டாக்கள்' இல் 'மற்றும் நிபந்தனை' என்ற கருத்தை விளக்குவதாகும். இரண்டு நிபந்தனைகளும் திருப்திகரமாக இருக்கும் அந்த வரிசைகளை எப்படிப் பெறுவது என்பது பற்றி நாங்கள் பேசினோம் அல்லது எல்லா நிபந்தனைகளும் திருப்திகரமாக இருக்கும் வரிசைகளுக்கு உண்மையாகவும் மீதமுள்ளவற்றுக்கு தவறானதாகவும் இருக்கும். நான்கு உதாரணங்களை இங்கு ஆராய்ந்தோம். இந்த டுடோரியலில் நாங்கள் நிறுவிய நான்கு எடுத்துக்காட்டுகளும் இந்த செயல்முறையின் மூலம் சென்றுள்ளன. இந்த டுடோரியலில் உள்ள எடுத்துக்காட்டுகள் அனைத்தும் உங்கள் நன்மைக்காக சிந்தனையுடன் வழங்கப்பட்டுள்ளன. இந்த டுடோரியல் இந்த யோசனையை இன்னும் தெளிவாகப் புரிந்துகொள்ள உங்களுக்கு உதவ வேண்டும்.