ファッションとプログラミングは XNUMX つのまったく異なる世界のように見えるかもしれませんが、データ分析とトレンド予測に関して言えば、これらは見事に融合することができます。 この記事では、ファッション業界におけるデータ分析の一般的な問題、つまり pandas の datetime データから特定の日を省略することについて説明します。 これは、パターン、傾向、および販売データを分析する場合に特に役立ちます。 コードを順を追って説明し、目標を達成するのに役立つさまざまなライブラリと関数について説明します。
ファッションにおけるパンダと日時
Pandas は、主にデータの分析と操作に使用される人気のある Python ライブラリです。 ファッションの世界では、膨大な量のデータをふるいにかけ、トレンドを特定し、顧客の好みを分析し、将来のパターンを予測するために使用できます。 Pandas は datetime 機能をサポートしているため、日付と時刻を簡単に操作できます。
多くの場合、データセットから特定の日または特定の範囲の日付を除外する必要があります。 たとえば、週末や休日を除外して、ブラック フライデーやサイバー マンデーなどの重要な販売日に集中したい場合があります。
問題を理解する
CSV 形式の毎日の売上データを含むデータセットがあり、週末を除外して情報を分析したいとします。 これを達成するには、まず pandas を使用してデータセットをインポートし、データを操作して週末を削除します。
ここでは、ステップバイステップでプロセスを示します：
1. 必要なライブラリをインポートします。
2. データセットをロードします。
3. 日付列を日時形式に変換します (まだその形式でない場合)。
4.データフレームをフィルタリングして週末を除外します。
5. フィルタリングされたデータを分析します。
注： このメソッドは、日付が別の列に格納されている任意のデータセットに適用できます。
# 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())
コードの解釈
上記のコード ブロックでは、XNUMX つの重要なライブラリ、pandas と BDay (営業日) を pandas.tseries.offsets からインポートすることから始めます。 pandas 関数を使用してデータセットをロードします read_csv、日付列が日時形式であることを確認します。
dt.曜日 属性は、曜日を整数で返します (月曜日: 0、日曜日: 6)。 週末を除外するために、dayofweek の値が 5 未満の行のみを保持します。
最後に、最初の数行を 頭（） 機能。
追加機能とライブラリ
この方法をさらに拡張して、他のフィルター条件を含めたり、さまざまな日付範囲を操作したりすることができます。 このプロセスをサポートできる便利なライブラリと関数には、次のものがあります。
- NumPy： Python での数値計算用ライブラリ。効率的な配列操作や数学演算に使用できます。
- 日付時刻： 日付と時刻を簡単に操作するのに役立つ Python の標準ライブラリのモジュール。
- 日付範囲: 営業日、週、月など、さまざまな頻度設定に従って日付の範囲を作成できる pandas 内の関数。
これらのツールと手法を pandas および日時操作と組み合わせて活用することで、トレンド、顧客の好み、販売実績の特定など、ファッション業界の特定のニーズに対応する堅牢なデータ分析ワークフローを作成できます。
