பாண்டாஸ் வழக்கு எப்போது

Pantas Valakku Eppotu



ஒரு நிபந்தனை திருப்தி அல்லது பூர்த்தி செய்யப்பட்டால், பாண்டாஸ் மொழியில் ஒரு வழக்கு அறிக்கை ஒரு வெளியீட்டை வழங்குகிறது அல்லது மதிப்பை வழங்குகிறது. ஒரு வழக்கு அறிக்கை ஒரு மாறியின் மதிப்பை சாத்தியமான மதிப்புகளின் வரம்புடன் ஒப்பிடுவதை சாத்தியமாக்குகிறது. மதிப்புகளின் தொகுப்பு வழக்கு அறிக்கையில் குறிப்பிடப்படும் அல்லது அனுப்பப்படும் போது, ​​தொகுப்பின் உள்ளே உள்ள ஒவ்வொரு மதிப்பும் அறிக்கையின் உள்ளே உள்ள வழக்குகள் அல்லது நிபந்தனைகளால் சரிபார்க்கப்படும். அதே செயல்பாட்டை செய்ய if-else அறிக்கையையும் பயன்படுத்தலாம். ஒரு குறிப்பிட்ட நிபந்தனை உண்மையாக இருந்தால், if-else அறிக்கையானது ஸ்கிரிப்ட்டின் ஒரு பகுதியை செயல்படுத்துகிறது. if-else அறிக்கை, நிபந்தனை உண்மையாக இருந்தால் இதைச் செய்யவும், இல்லையெனில் அதைச் செய்யவும் கூறுகிறது. இந்த டுடோரியலில், வழக்கு அறிக்கைகள் மற்றும் if-else அறிக்கைகளைப் பயன்படுத்தி வெவ்வேறு செயல்பாடுகளைச் செய்வோம்.

பாண்டாஸ் வழக்கு அறிக்கையை எவ்வாறு பயன்படுத்துவது?

வழக்கு அறிக்கைகள் பல வழிகளில் உருவாக்கப்படலாம். NumPy where() செயல்பாடு, பின்வரும் அடிப்படை தொடரியல் பயன்படுத்துகிறது, இது Pandas DataFrame இல் ஒரு வழக்கு அறிக்கையை உருவாக்குவதற்கான எளிய வழியாகும்:

df [ 'நெடுவரிசைப் பெயர்' ] = np.எங்கே ( நிலை 1 , 'மதிப்பு1',
np.எங்கே ( நிலை இரண்டு , 'மதிப்பு2',
np.எங்கே ( நிலை 3 , ‘மதிப்பு3’, ‘மதிப்பு4’ ) ) )







மேலே உள்ள அறிக்கையானது மதிப்புக்கான ஒவ்வொரு நிபந்தனையையும் சரிபார்த்து, நிபந்தனை திருப்தி அடைந்தால், வெளியீட்டை உருவாக்கும் அல்லது நிபந்தனைக்கு எதிராக மதிப்பை வழங்கும்.



எடுத்துக்காட்டு # 1: பாண்டாஸ் கேஸ் ஸ்டேட்மென்ட் எங்கே() செயல்பாட்டைப் பயன்படுத்துகிறது

முதலில் ஒரு தரவு சட்டகத்தை உருவாக்குவோம், அதனால் நமது வழக்கு அறிக்கையைப் பயன்படுத்தலாம். தரவு சட்டகத்தை உருவாக்க, முதலில் நம்பி மற்றும் பாண்டாஸ் தொகுதிகளை இறக்குமதி செய்வோம், அதனால் அவற்றின் செயல்பாடுகளைப் பயன்படுத்தலாம். எங்கள் தரவு சட்டத்தை உருவாக்க pd.Dataframe() பயன்படுத்தப்படும்.







நாங்கள் 'df' தரவு சட்டத்தை உருவாக்கியுள்ளோம். ஒரு பைதான் அகராதி pd.DataFrame() விசைகள் மற்றும் மதிப்புகளுடன் ஒரு வாதமாகச் செயல்படுகிறது. எங்கள் தரவு சட்டத்தைப் பார்க்க அச்சு() செயல்பாட்டைப் பயன்படுத்துவோம்.



'df' தரவுச் சட்டத்தில் இரண்டு நெடுவரிசைகள் 'பெயர்' மற்றும் 'குறிகள்' ['Ron', 'Tim', 'Anna', 'Jack', 'Rob', 'Lucy'] மற்றும் [4, 6 , 8, 6, 9,10] முறையே. அந்த பெயர் மாணவர்களின் பெயர்களை சேமிக்கும் நெடுவரிசைகள் மற்றும் நெடுவரிசை 'மதிப்பீடுகள்' சில சமீபத்திய தேர்வின் மதிப்பெண்களை சேமிக்கிறது என்று வைத்துக்கொள்வோம். இப்போது, ​​'குறிப்புகள்' என்ற பெயரில் ஒரு புதிய நெடுவரிசையைச் சேர்க்கும் ஒரு வழக்கு அறிக்கையை எழுதுவோம், அதன் மதிப்புகள் ஒவ்வொரு நிபந்தனைக்கும் எங்களால் குறிப்பிடப்பட்ட மதிப்புகளின் அடிப்படையில் இருக்கும்.

“numpy.where()” முறையானது, குறிப்பிட்ட நிபந்தனையை பூர்த்தி செய்யும் உள்ளீட்டு வரிசை, நெடுவரிசை அல்லது பட்டியலிலிருந்து உறுப்பு குறியீடுகளை வழங்குகிறது. மேலே உள்ள சுவிட்ச் கேஸில், np.where() செயல்பாடு ‘குறிகள்’ நெடுவரிசைகளில் உள்ள ஒவ்வொரு உறுப்பையும் சரிபார்க்கிறது. மதிப்பு 5 க்கு சமமாகவோ அல்லது குறைவாகவோ இருந்தால், அது ஒரு வெளியீட்டாக 'தோல்வி' என்பதை வழங்கும். மதிப்பு 7 ஐ விட குறைவாகவோ அல்லது சமமாகவோ இருந்தால், அது திருப்திகரமாக இருக்கும், மேலும் மதிப்பு 9 ஐ விட குறைவாகவோ அல்லது சமமாகவோ இருந்தால், அது 'பெரியது.' எதுவும் இல்லை என்றால், விளைவு சிறப்பாக இருக்கும்.

கவனிக்கக்கூடியது போல, மேலே உள்ள வழக்கு அறிக்கை மூலம் வழங்கப்பட்ட மதிப்புகளை சேமிக்கும் புதிய நெடுவரிசை 'குறிப்புகள்' எங்கள் 'df' தரவு சட்டத்தில் உருவாக்கப்பட்டது.

எடுத்துக்காட்டு # 2:

மேலே உள்ள வழக்கு அறிக்கையை வேறு தரவு சட்டத்துடன் மீண்டும் முயற்சிப்போம். முந்தைய கால்பந்து போட்டியில் வீரர்களின் மொத்த இலக்குகளின் அடிப்படையில் அவர்களை தரவரிசைப்படுத்த வேண்டும் என்று வைத்துக்கொள்வோம். எனவே கால்பந்து வீரர்களின் பதிவுகளை சேமிக்க தரவு சட்டத்தை உருவாக்குவோம்.

எங்கள் தரவு சட்டத்தை உருவாக்க pd.DataFrame() செயல்பாட்டிற்குள் ‘பெயர்’ மற்றும் ‘இலக்குகள்’ விசைகளுடன் ஒரு அகராதியை அனுப்பியுள்ளோம். எங்கள் தரவு சட்டத்தை அச்சிட, நாங்கள் அச்சு செயல்பாட்டைப் பயன்படுத்துவோம்.

மேலே உள்ள தரவு சட்டத்தில் காணக்கூடியது போல, எங்களிடம் இரண்டு நெடுவரிசைகள் உள்ளன: 'பெயர்' மற்றும் 'இலக்குகள்'. நெடுவரிசைப் பெயரில், வீரர்களின் பெயர்கள் உள்ளன ['ஜான்', 'மார்ட்டி', 'கிளே', 'நிக்', 'மைக்', 'அலெக்ஸ்', 'டாம்', 'ராக்கி']. ‘நெடுவரிசை’ கோல்களில், முந்தைய போட்டியில் ஒவ்வொரு வீரரும் அடித்த மொத்த கோல்களின் எண்ணிக்கை உள்ளது. இந்த வீரர்கள் அடித்த கோல்களின் அடிப்படையில் தரவரிசைப்படுத்த எங்கள் வழக்கு அறிக்கையைப் பயன்படுத்துவோம்.

மேற்கூறிய வழக்கு எங்கே() செயல்பாட்டைப் பயன்படுத்தி உருவாக்கப்பட்டது. கேஸின் உள்ளே, ஸ்டேட்மென்ட் ஃபங்ஷன், ‘மார்க்ஸ்’ நெடுவரிசைகளில் உள்ள ஒவ்வொரு உறுப்பையும் நிபந்தனைகளுக்கு எதிராகச் சரிபார்க்கிறது. நெடுவரிசையில் உள்ள ‘கோல்ஸ்’ மதிப்பு 5க்கு சமமாகவோ அல்லது குறைவாகவோ இருந்தால், அது ‘சி’யை வழங்கும். நெடுவரிசையில் உள்ள ‘இலக்குகள்’ மதிப்பு 9க்கு சமமாகவோ அல்லது குறைவாகவோ இருந்தால், அது ‘பி’யை வழங்கும். 'இலக்குகள்' என்ற நெடுவரிசையில் உள்ள மதிப்பு 10க்கு சமமாகவோ அல்லது அதிகமாகவோ இருந்தால் அது 'A' ஐ வழங்கும். அறிக்கையின் மூலம் வழங்கப்படும் மதிப்புகள் புதிய நெடுவரிசை 'மதிப்பீட்டில்' சேமிக்கப்படும். முடிவுகளைப் பார்க்க 'df' ஐ அச்சிடுவோம்.

மேலே உள்ள ஸ்கிரிப்டைப் பயன்படுத்தி புதிய நெடுவரிசை 'மதிப்பீடு' வெற்றிகரமாக உருவாக்கப்பட்டது.

எடுத்துக்காட்டு # 3: விண்ணப்பிக்க() செயல்பாட்டைப் பயன்படுத்தி பாண்டாஸ் என்றால்-வேறு அறிக்கை

டேட்டா ஃப்ரேமின் வரிசை அல்லது நெடுவரிசை அச்சு ஒரு செயல்பாட்டைச் செயல்படுத்த app() முறையால் பயன்படுத்தப்படுகிறது. நாமே வரையறுக்கப்பட்ட செயல்பாட்டை உருவாக்கி அதை பாண்டாக்களில் உள்ள தரவு சட்டத்தில் பயன்படுத்தலாம். இது வேறு நிபந்தனைகளைக் கொண்டிருக்கும். முதலில் நமது தரவு சட்டகத்தை உருவாக்குவோம், பிறகு ஒரு செயல்பாட்டை உருவாக்குவோம், அதில் முடிவை உருவாக்க if-else அறிக்கையைப் பயன்படுத்துவோம். எங்கள் தரவு சட்டகத்தை உருவாக்க, முதலில் பாண்டாக்களின் தொகுதியை இறக்குமதி செய்வோம், பின்னர் pd.DataFrame() முறையில் ஒரு அகராதியை அனுப்புவோம்.

பார்க்க முடியும் என, எங்கள் தரவு சட்டமானது எண் மதிப்புகள் [23, 35, 64, 74, 85] மற்றும் மதிப்புகள் [45, 34, 61, 89, 27] ஆகியவற்றைச் சேமிக்கும் இரண்டு நெடுவரிசைகள் ‘A’ ஐக் கொண்டுள்ளது. இப்போது நாம் ஒரு செயல்பாட்டை உருவாக்குவோம், இது எங்கள் தரவு சட்டத்தின் ஒவ்வொரு வரிசையிலும் உள்ள இரண்டு நெடுவரிசைகளிலும் எந்த மதிப்பு அதிகமாக உள்ளது என்பதை தீர்மானிக்கும்.

நீங்கள் பைதான் லாம்ப்டா செயல்பாட்டைப் பயன்படுத்தலாம் “பாண்டாஸ். ஒரு வெளிப்பாட்டை இயக்க DataFrame.apply()”. பைத்தானில், ஒரு லாம்ப்டா செயல்பாடு என்பது ஒரு சிறிய அநாமதேய செயல்பாடு ஆகும், இது எத்தனை வாதங்களை ஏற்றுக்கொள்கிறது மற்றும் ஒரு வெளிப்பாட்டை செயல்படுத்துகிறது. மேலே உள்ள ஸ்கிரிப்ட்டில், இரண்டு நெடுவரிசைகளின் மதிப்பையும் ஒப்பிட்டு, புதிய 'ஒப்பீடு' நெடுவரிசையில் முடிவைச் சேமிக்கும் நிபந்தனை அறிக்கையை நாங்கள் உருவாக்கியுள்ளோம். நெடுவரிசை 'A' இன் மதிப்பு 'B' நெடுவரிசையின் மதிப்பை விடக் குறைவாக இருந்தால், அது 'B அதிகமாக உள்ளது' என்று வழங்கும். நிபந்தனை திருப்திகரமாக இல்லாவிட்டால், அது 'A அதிகம்' என்று திரும்பும்.

எடுத்துக்காட்டு # 4:

மற்றொரு தரவு சட்டத்துடன் apply() செயல்பாட்டின் உள்ளே if-else அறிக்கையைப் பயன்படுத்தி மற்றொரு உதாரணத்தை முயற்சிப்போம்.

எங்கள் தரவு சட்டகம் சில நிறுவனங்களின் ஊழியர்களின் பதிவுகளை சேமிக்கிறது என்று வைத்துக்கொள்வோம். 'emp' என்ற நெடுவரிசையில் பணியாளர்களின் பெயர்கள் [“ஃபிராங்கி”, “ஹாரி”, “லூக்”, “பீட்டர்”, “ஆண்ட்ரூ”] சேமிக்கப்படுகிறது, அதேசமயம் 'சம்பளம்' நெடுவரிசை ஒவ்வொரு பணியாளரின் சம்பளத்தையும் சேமித்து வைக்கிறது [1350, 1000, 900 , 1200, 980] 'df' தரவு சட்டத்தில். இப்போது நாம் apply() முறையைப் பயன்படுத்தி if-else அறிக்கையை உருவாக்குவோம்.

மேலே உள்ள நிபந்தனை 'சம்பளம்' நெடுவரிசையில் உள்ள ஒவ்வொரு மதிப்பையும் சரிபார்த்து, சம்பள மதிப்பு 1000க்கு குறைவாகவோ அல்லது அதற்கு சமமாகவோ இருக்கும் ஊழியர்களின் சம்பளத்தில் 200ஐச் சேர்க்கும். விண்ணப்பம்() செயல்பாட்டிலிருந்து வந்த மதிப்புகளை புதிய நெடுவரிசையில் சேமித்துள்ளோம். அதிகரிப்பு'. மேலே உள்ள ஸ்கிரிப்டில் இருந்து முடிவுகளைப் பார்ப்போம்.

நீங்கள் பார்க்க முடியும் என, செயல்பாடு 100க்கு குறைவாகவோ அல்லது அதற்கு சமமாகவோ இருந்த மதிப்புகளுக்கு 200ஐ வெற்றிகரமாகச் சேர்த்தது. 1000க்கு மேல் இருந்த மதிப்புகள் மாறாமல் இருந்தன.

முடிவுரை:

இந்த டுடோரியலில், நிபந்தனை திருப்தி அடையும் போது, ​​கேஸ் ஸ்டேட்மென்ட் எனப்படும் இந்த வகை அறிக்கையானது மதிப்பை வழங்குகிறது. தேவையான செயல்பாடு அல்லது பணியைச் செய்ய நீங்கள் எப்படி ஒரு வழக்கு அறிக்கையை உருவாக்கலாம் என்பதைப் பார்த்தோம். இந்த டுடோரியலில், வழக்கு அறிக்கைகளை உருவாக்க np.where() செயல்பாடு மற்றும் apply() செயல்பாட்டைப் பயன்படுத்தியுள்ளோம். பாண்டாஸ் கேஸ் ஸ்டேட்மென்ட்களை எப்படிப் பயன்படுத்துவது என்பதை, எங்கே() செயல்பாட்டைப் பயன்படுத்தி, அப்ளை() செயல்பாட்டைப் பயன்படுத்தி, கேஸ் ஸ்டேட்மென்ட்களை உருவாக்குவது என்பதை உங்களுக்குக் கற்பிக்க, சில உதாரணங்களைச் செயல்படுத்தியுள்ளோம்.