সমাধান করা হয়েছে: কিভাবে দিন পান্ডা ডেটটাইম বাদ দেওয়া যায়

ফ্যাশন এবং প্রোগ্রামিং দুটি সম্পূর্ণ ভিন্ন বিশ্বের মত মনে হতে পারে, কিন্তু যখন এটি ডেটা বিশ্লেষণ এবং প্রবণতা পূর্বাভাস আসে, তারা সুন্দরভাবে একসাথে আসতে পারে। এই নিবন্ধে, আমরা ফ্যাশন শিল্পে ডেটা বিশ্লেষণের জন্য একটি সাধারণ সমস্যা অন্বেষণ করব: পান্ডা ডেটটাইম ডেটা থেকে নির্দিষ্ট দিনগুলি বাদ দেওয়া। নিদর্শন, প্রবণতা এবং বিক্রয় ডেটা বিশ্লেষণ করার সময় এটি বিশেষভাবে কার্যকর হতে পারে। আমরা কোডের ধাপে ধাপে ব্যাখ্যা করব এবং বিভিন্ন লাইব্রেরি এবং ফাংশন নিয়ে আলোচনা করব যা আমাদের লক্ষ্য অর্জনে সাহায্য করবে।

ফ্যাশনে পান্ডা এবং ডেটটাইম

পান্ডাস একটি জনপ্রিয় পাইথন লাইব্রেরি যা প্রাথমিকভাবে ডেটা বিশ্লেষণ এবং ম্যানিপুলেশনের জন্য ব্যবহৃত হয়। ফ্যাশনের জগতে, প্রবণতা শনাক্ত করতে, গ্রাহকের পছন্দ বিশ্লেষণ করতে এবং ভবিষ্যত প্যাটার্নের পূর্বাভাস দিতে প্রচুর পরিমাণে ডেটার মাধ্যমে এটিকে কাজে লাগানো যেতে পারে। পান্ডা ডেটটাইম কার্যকারিতা সমর্থন করে, আমাদের তারিখ এবং সময়ের সাথে অনায়াসে কাজ করার অনুমতি দেয়।

অনেক ক্ষেত্রে, আমাদের ডেটাসেট থেকে নির্দিষ্ট দিন বা দিনের ব্যাপ্তি বাদ দেওয়া প্রয়োজন। উদাহরণস্বরূপ, আমরা ব্ল্যাক ফ্রাইডে বা সাইবার সোমবারের মতো গুরুত্বপূর্ণ বিক্রয়ের দিনগুলিতে ফোকাস করার জন্য সপ্তাহান্ত বা ছুটির দিনগুলি বাদ দিতে চাই।

সমস্যা বোঝা

ধরা যাক আমাদের কাছে CSV ফরম্যাটে দৈনিক বিক্রয় ডেটা সম্বলিত একটি ডেটাসেট রয়েছে এবং আমরা সপ্তাহান্তের দিনগুলি বাদ দিয়ে তথ্য বিশ্লেষণ করতে চাই৷ এটি অর্জন করতে, আমরা শুরু করব পান্ডা ব্যবহার করে ডেটাসেট আমদানি করা, এবং তারপর আমরা সপ্তাহান্তে অপসারণ করতে ডেটা ম্যানিপুলেট করব।

এখানে ধাপে ধাপে প্রক্রিয়া:

1. প্রয়োজনীয় লাইব্রেরি আমদানি করুন।
2. ডেটাসেট লোড করুন।
3. তারিখ কলামটিকে ডেটটাইম ফর্ম্যাটে রূপান্তর করুন (যদি ইতিমধ্যে সেই ফর্ম্যাটে না থাকে)।
4. উইকএন্ড বাদ দিতে ডেটাফ্রেম ফিল্টার করুন।
5. ফিল্টার করা ডেটা বিশ্লেষণ করুন।

বিঃদ্রঃ: এই পদ্ধতিটি যে কোনও ডেটাসেটে প্রয়োগ করা যেতে পারে যেখানে তারিখটি একটি পৃথক কলামে সংরক্ষণ করা হয়।

# Step 1: Import the necessary libraries
import pandas as pd
from pandas.tseries.offsets import BDay

# Step 2: Load the dataset
data = pd.read_csv('sales_data.csv')

# Step 3: Convert the date column to datetime format
data['date'] = pd.to_datetime(data['date'])

# Step 4: Filter the dataframe to exclude weekends
filtered_data = data[data['date'].dt.dayofweek < 5]

# Step 5: Analyze the filtered data
print(filtered_data.head())

কোড ব্যাখ্যা

উপরের কোড ব্লকে, আমরা দুটি প্রয়োজনীয় লাইব্রেরি আমদানি করে শুরু করি: pandas এবং BDay (ব্যবসায়িক দিন) pandas.tseries.offsets থেকে। আমরা পান্ডাস ফাংশন ব্যবহার করে ডেটাসেট লোড করি read_csv, এবং নিশ্চিত করুন যে তারিখ কলামটি datetime বিন্যাসে আছে।

সার্জারির সপ্তাহের দিন অ্যাট্রিবিউট সপ্তাহের দিনটিকে পূর্ণসংখ্যা হিসাবে প্রদান করে (সোমবার: 0, রবিবার: 6)। উইকএন্ড ফিল্টার করার জন্য, আমরা শুধুমাত্র সপ্তাহের একটি দিনের মান 5-এর কম রেখে সারি রাখি।

অবশেষে, আমরা ব্যবহার করে প্রথম কয়েকটি সারি প্রিন্ট করে ফিল্টার করা ডেটা বিশ্লেষণ করি মাথা() ফাংশন.

অতিরিক্ত ফাংশন এবং লাইব্রেরি

অন্যান্য ফিল্টারিং মানদণ্ড অন্তর্ভুক্ত করতে বা বিভিন্ন তারিখের সীমার সাথে কাজ করার জন্য এই পদ্ধতিটি আরও বাড়ানো যেতে পারে। এই প্রক্রিয়াটিকে সমর্থন করতে পারে এমন কিছু দরকারী লাইব্রেরি এবং ফাংশনগুলির মধ্যে রয়েছে:

• NumPy: পাইথনে সংখ্যাসূচক কম্পিউটিংয়ের জন্য একটি লাইব্রেরি, যা দক্ষ অ্যারে ম্যানিপুলেশন এবং গাণিতিক ক্রিয়াকলাপের জন্য ব্যবহার করা যেতে পারে।
• তারিখ সময়: পাইথনের স্ট্যান্ডার্ড লাইব্রেরির একটি মডিউল যা আমাদেরকে তারিখ এবং সময়ের সাথে সহজে কাজ করতে সাহায্য করে।
• তারিখের পরিসীমা: পান্ডাগুলির মধ্যে একটি ফাংশন যা আমাদের বিভিন্ন ফ্রিকোয়েন্সি সেটিংস, যেমন ব্যবসায়িক দিন, সপ্তাহ বা মাস অনুযায়ী তারিখগুলির একটি পরিসর তৈরি করতে দেয়৷

পান্ডা এবং ডেটটাইম ম্যানিপুলেশনের সাথে একত্রে এই সরঞ্জামগুলি এবং কৌশলগুলি ব্যবহার করে, আপনি শক্তিশালী ডেটা বিশ্লেষণ কর্মপ্রবাহ তৈরি করতে পারেন যা ফ্যাশন শিল্পের নির্দিষ্ট চাহিদাগুলি পূরণ করে, যেমন প্রবণতা, গ্রাহক পছন্দ এবং বিক্রয় কর্মক্ষমতা সনাক্ত করা।