हल: पांडा माध्य और योग

पांडा डेटा विश्लेषण और हेरफेर के लिए एक शक्तिशाली पायथन लाइब्रेरी है, जिसका व्यापक रूप से फैशन की दुनिया सहित विभिन्न डोमेन में उपयोग किया जाता है। पांडा का उपयोग करते हुए, फैशन विशेषज्ञ और डेवलपर फैशन उद्योग से संबंधित डेटासेट का विश्लेषण करके रुझान, पैटर्न और अंतर्दृष्टि प्राप्त कर सकते हैं। इस लेख में, हम शक्तिशाली पंडों के कार्यों में तल्लीन होंगे, मतलब और योग, और फैशन डेटा के विश्लेषण में उनके अनुप्रयोग।

ये कार्य बिक्री, मूल्य रुझान, उत्पाद रेटिंग और अन्य जैसे फैशन आइटमों के बारे में महत्वपूर्ण जानकारी खोजने में बहुत सहायक हो सकते हैं। विभिन्न विशेषताओं के माध्य और योग की गणना करके, हम स्टाइल और फैशन के रुझान के बारे में सूचित निर्णय लेने के लिए मूल्यवान अंतर्दृष्टि प्राप्त कर सकते हैं।

समस्या का समाधान

पांडा के उपयोग को प्रदर्शित करने के लिए मतलब और योग कार्य करता है, मान लें कि हमारे पास एक डेटासेट है जिसमें विभिन्न फैशन आइटम जैसे उनकी शैली, रंग, मूल्य और रेटिंग के विवरण हैं। हम इस डेटासेट को एक पांडा डेटाफ़्रेम में आयात करेंगे और माध्य और योग कार्यों का उपयोग करके अपना विश्लेषण शुरू करेंगे।

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)

कोड की चरण-दर-चरण व्याख्या

• सबसे पहले, हम पांडा पुस्तकालय को उपनाम 'पीडी' के साथ आयात करते हैं।
• इसके बाद, हम 'fashion_items.csv' नामक CSV फ़ाइल से डेटा पढ़ते हैं और इसे pd.read_csv फ़ंक्शन का उपयोग करके 'डेटा' नामक डेटाफ़्रेम में लोड करते हैं। डेटासेट में विभिन्न फैशन आइटमों के बारे में जानकारी होती है।
• फिर, हम DataFrame के 'मूल्य' कॉलम पर लागू माध्य () फ़ंक्शन का उपयोग करके सभी फैशन आइटमों के औसत मूल्य की गणना करते हैं। यह मान 'mean_price' नाम के वेरिएबल में स्टोर होता है।
• इसी तरह, हम 'कीमत' कॉलम पर योग () फ़ंक्शन को कॉल करके सभी फैशन आइटमों की कुल कीमत की गणना करते हैं। यह मान 'sum_price' नाम के वेरिएबल में स्टोर होता है।
• अंत में, हम गणना किए गए औसत और फैशन आइटम की कुल कीमतों को प्रिंट करते हैं।

पंडों में संबंधित पुस्तकालय और कार्य

फैशन उद्योग में डेटा विश्लेषण के लिए पांडा के उपयोग के पूरक पुस्तकालयों और कार्यों की अधिकता है। इनमें से कुछ उपयोगी कार्यों के अलावा मतलब और योग शामिल हैं:

पंडों का ग्रुपबी फंक्शन

RSI समूह द्वारा विशिष्ट स्तंभों के आधार पर डेटा एकत्र करने के लिए फ़ंक्शन विशेष रूप से सहायक होता है। उदाहरण के लिए, यदि हम अपने डेटासेट में मौजूद प्रत्येक शैली के लिए औसत और फैशन आइटम की कुल कीमत का विश्लेषण करना चाहते हैं।

# Group data by style and calculate mean and sum of the price
grouped_data = data.groupby('style')['price'].agg(['mean', 'sum'])

print(grouped_data)

पांडा मर्ज फंक्शन

RSI मर्ज फ़ंक्शन हमें एक सामान्य कॉलम के आधार पर दो डेटाफ़्रेम को संयोजित करने की अनुमति देता है। उदाहरण के लिए, मान लें कि हमारे पास एक अलग डेटासेट है जिसमें प्रत्येक शैली की लोकप्रियता के बारे में जानकारी है। दोनों DataFrames को मर्ज करके, हम इस जानकारी को मूल्यवान अंतर्दृष्टि में बदल सकते हैं।

# 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())

पंडों के पुस्तकालय के भीतर इन शक्तिशाली कार्यों को समझने और लागू करने से, फैशन विशेषज्ञ और डेवलपर्स सूचित निर्णय ले सकते हैं और नवीनतम रुझानों और शैलियों का आसानी से विश्लेषण कर सकते हैं।