Pandas on tehokas Python-kirjasto tietojen analysointiin ja käsittelyyn, ja sitä käytetään laajalti eri aloilla, mukaan lukien muodin maailmassa. Pandaja hyödyntäen muotiasiantuntijat ja -kehittäjät voivat havaita trendejä, malleja ja oivalluksia analysoimalla muotiteollisuuteen liittyviä tietojoukkoja. Tässä artikkelissa perehdymme tehokkaisiin Pandan toimintoihin, tarkoittaa ja summaja niiden sovellukset muotidatan analysoinnissa.
Nämä toiminnot voivat auttaa löytämään tärkeitä muotituotteita, kuten myyntiä, hintatrendejä, tuotearvioita ja paljon muuta. Laskemalla eri ominaisuuksien keskiarvon ja summan voimme saada arvokkaita oivalluksia tehdäksemme tietoisia päätöksiä tyylistä ja muotitrendeistä.
Ongelman ratkaisu
Havainnollistaakseen pandojen käyttöä tarkoittaa ja summa toimintoja, oletetaan, että meillä on tietojoukko, joka sisältää tietoja eri muotituotteista, kuten niiden tyylistä, väreistä, hinnasta ja arvosanasta. Tuomme tämän tietojoukon pandas DataFrameen ja aloitamme analyysin käyttämällä keskiarvo- ja summafunktioita.
import pandas as pd
# Read data from a CSV file and load it into a DataFrame
data = pd.read_csv('fashion_items.csv')
# Calculate mean and sum of the price column
mean_price = data['price'].mean()
sum_price = data['price'].sum()
print('Mean price:', mean_price)
print('Total price:', sum_price)
Vaiheittainen koodin selitys
- Ensin tuomme pandakirjaston aliaksella 'pd'.
- Seuraavaksi luemme tiedot CSV-tiedostosta nimeltä "fashion_items.csv" ja lataamme ne DataFrame-nimiseen datakehykseen käyttämällä pd.read_csv-funktiota. Aineisto sisältää tietoa erilaisista muotituotteista.
- Sitten laskemme kaikkien muotituotteiden keskihinnan käyttämällä keskiarvo()-funktiota, jota käytetään DataFramen 'price' -sarakkeessa. Tämä arvo on tallennettu muuttujaan nimeltä 'mean_price'.
- Samoin laskemme kaikkien muotituotteiden kokonaishinnan kutsumalla 'price' -sarakkeen summa()-funktiota. Tämä arvo on tallennettu muuttujaan nimeltä "sum_price".
- Lopuksi tulostamme muotituotteiden lasketut keskihinnat ja kokonaishinnat.
Aiheeseen liittyvät kirjastot ja toiminnot Pandasissa
On olemassa lukuisia kirjastoja ja toimintoja, jotka täydentävät pandojen käyttöä muotiteollisuuden tietojen analysointiin. Jotkut näistä hyödyllisistä toiminnoista lisäksi tarkoittaa ja summa sisältää:
Pandaryhmätoiminto
- ryhmäseksi -toiminto on erityisen hyödyllinen kootaessa tietoja tiettyjen sarakkeiden perusteella. Jos esimerkiksi haluamme analysoida muotituotteiden keskihintaa ja kokonaishintaa jokaiselle tietojoukossamme olevalle tyylille.
# Group data by style and calculate mean and sum of the price
grouped_data = data.groupby('style')['price'].agg(['mean', 'sum'])
print(grouped_data)
Pandan yhdistämistoiminto
- yhdistää -toiminnon avulla voimme yhdistää kaksi DataFrame-kehystä yhteisen sarakkeen perusteella. Oletetaan esimerkiksi, että meillä on erillinen tietojoukko, joka sisältää tietoa kunkin tyylin suosiosta. Yhdistämällä molemmat DataFrame-kehykset voimme muuttaa nämä tiedot arvokkaiksi oivalluksiksi.
# Import data related to style popularity
style_popularity_data = pd.read_csv('style_popularity.csv')
# Merge the original data and style_popularity_data based on the 'style' column
merged_data = pd.merge(data, style_popularity_data, on='style')
print(merged_data.head())
Ymmärtämällä ja ottamalla käyttöön nämä Pandas-kirjaston tehokkaat toiminnot muotiasiantuntijat ja -kehittäjät voivat tehdä tietoisia päätöksiä ja analysoida uusimpia trendejä ja tyylejä helposti.
