ಪಾಂಡಾಗಳು ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಕುಶಲತೆಗಾಗಿ ಪ್ರಬಲ ಪೈಥಾನ್ ಲೈಬ್ರರಿಯಾಗಿದೆ, ಇದನ್ನು ಫ್ಯಾಷನ್ ಜಗತ್ತು ಸೇರಿದಂತೆ ವಿವಿಧ ಡೊಮೇನ್‌ಗಳಲ್ಲಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಪಾಂಡಾಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳುವುದು, ಫ್ಯಾಷನ್ ತಜ್ಞರು ಮತ್ತು ಡೆವಲಪರ್‌ಗಳು ಫ್ಯಾಷನ್ ಉದ್ಯಮಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ಪ್ರವೃತ್ತಿಗಳು, ಮಾದರಿಗಳು ಮತ್ತು ಒಳನೋಟಗಳನ್ನು ಗುರುತಿಸಬಹುದು. ಈ ಲೇಖನದಲ್ಲಿ, ನಾವು ಶಕ್ತಿಯುತ ಪಾಂಡಾಗಳ ಕಾರ್ಯಗಳನ್ನು ಪರಿಶೀಲಿಸುತ್ತೇವೆ, ಅರ್ಥ ಮತ್ತು ಮೊತ್ತ, ಮತ್ತು ಫ್ಯಾಷನ್ ಡೇಟಾದ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಅವರ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು.
ಮಾರಾಟ, ಬೆಲೆ ಪ್ರವೃತ್ತಿಗಳು, ಉತ್ಪನ್ನ ರೇಟಿಂಗ್ ಮತ್ತು ಹೆಚ್ಚಿನವುಗಳಂತಹ ಫ್ಯಾಶನ್ ವಸ್ತುಗಳ ಕುರಿತು ಪ್ರಮುಖ ಮಾಹಿತಿಯನ್ನು ಅನ್ವೇಷಿಸಲು ಈ ಕಾರ್ಯಗಳು ತುಂಬಾ ಸಹಾಯಕವಾಗಬಹುದು. ವಿವಿಧ ಗುಣಲಕ್ಷಣಗಳ ಸರಾಸರಿ ಮತ್ತು ಮೊತ್ತವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವ ಮೂಲಕ, ಸ್ಟೈಲಿಂಗ್ ಮತ್ತು ಫ್ಯಾಷನ್ ಪ್ರವೃತ್ತಿಗಳ ಬಗ್ಗೆ ತಿಳುವಳಿಕೆಯುಳ್ಳ ನಿರ್ಧಾರಗಳನ್ನು ಮಾಡಲು ನಾವು ಮೌಲ್ಯಯುತ ಒಳನೋಟಗಳನ್ನು ಸೆಳೆಯಬಹುದು.
ಸಮಸ್ಯೆಗೆ ಪರಿಹಾರ
ಪಾಂಡಾಗಳ ಬಳಕೆಯನ್ನು ಪ್ರದರ್ಶಿಸಲು ಅರ್ಥ ಮತ್ತು ಮೊತ್ತ ಕಾರ್ಯಗಳು, ಅವುಗಳ ಶೈಲಿ, ಬಣ್ಣಗಳು, ಬೆಲೆ ಮತ್ತು ರೇಟಿಂಗ್‌ನಂತಹ ವಿಭಿನ್ನ ಫ್ಯಾಷನ್ ಐಟಂಗಳ ವಿವರಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಡೇಟಾಸೆಟ್ ಅನ್ನು ನಾವು ಹೊಂದಿದ್ದೇವೆ ಎಂದು ಭಾವಿಸೋಣ. ನಾವು ಈ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಪಾಂಡಾಸ್ ಡೇಟಾಫ್ರೇಮ್‌ಗೆ ಆಮದು ಮಾಡಿಕೊಳ್ಳುತ್ತೇವೆ ಮತ್ತು ಸರಾಸರಿ ಮತ್ತು ಮೊತ್ತದ ಕಾರ್ಯಗಳನ್ನು ಬಳಸಿಕೊಂಡು ನಮ್ಮ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಪ್ರಾರಂಭಿಸುತ್ತೇವೆ.
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)
ಕೋಡ್ನ ಹಂತ-ಹಂತದ ವಿವರಣೆ
- ಮೊದಲಿಗೆ, ನಾವು ಅಲಿಯಾಸ್ 'pd' ನೊಂದಿಗೆ ಪಾಂಡಾಗಳ ಲೈಬ್ರರಿಯನ್ನು ಆಮದು ಮಾಡಿಕೊಳ್ಳುತ್ತೇವೆ.
- ಮುಂದೆ, ನಾವು 'fashion_items.csv' ಹೆಸರಿನ CSV ಫೈಲ್‌ನಿಂದ ಡೇಟಾವನ್ನು ಓದುತ್ತೇವೆ ಮತ್ತು pd.read_csv ಕಾರ್ಯವನ್ನು ಬಳಸಿಕೊಂಡು ಅದನ್ನು 'ಡೇಟಾ' ಹೆಸರಿನ ಡೇಟಾಫ್ರೇಮ್‌ಗೆ ಲೋಡ್ ಮಾಡುತ್ತೇವೆ. ಡೇಟಾಸೆಟ್ ವಿವಿಧ ಫ್ಯಾಷನ್ ವಸ್ತುಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಒಳಗೊಂಡಿದೆ.
- ನಂತರ, DataFrame ನ 'ಬೆಲೆ' ಕಾಲಮ್‌ಗೆ ಅನ್ವಯಿಸಲಾದ ಸರಾಸರಿ() ಕಾರ್ಯವನ್ನು ಬಳಸಿಕೊಂಡು ಎಲ್ಲಾ ಫ್ಯಾಶನ್ ವಸ್ತುಗಳ ಸರಾಸರಿ ಬೆಲೆಯನ್ನು ನಾವು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತೇವೆ. ಈ ಮೌಲ್ಯವನ್ನು 'mean_price' ಹೆಸರಿನ ವೇರಿಯೇಬಲ್‌ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ.
- ಅಂತೆಯೇ, ನಾವು 'ಬೆಲೆ' ಕಾಲಮ್‌ನಲ್ಲಿ ಮೊತ್ತ() ಕಾರ್ಯವನ್ನು ಕರೆಯುವ ಮೂಲಕ ಎಲ್ಲಾ ಫ್ಯಾಶನ್ ವಸ್ತುಗಳ ಒಟ್ಟು ಬೆಲೆಯನ್ನು ಲೆಕ್ಕ ಹಾಕುತ್ತೇವೆ. ಈ ಮೌಲ್ಯವನ್ನು 'sum_price' ಹೆಸರಿನ ವೇರಿಯಬಲ್‌ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ.
- ಅಂತಿಮವಾಗಿ, ನಾವು ಫ್ಯಾಶನ್ ವಸ್ತುಗಳ ಲೆಕ್ಕಾಚಾರದ ಸರಾಸರಿ ಮತ್ತು ಒಟ್ಟು ಬೆಲೆಗಳನ್ನು ಮುದ್ರಿಸುತ್ತೇವೆ.
ಪಾಂಡಾಗಳಲ್ಲಿ ಸಂಬಂಧಿಸಿದ ಗ್ರಂಥಾಲಯಗಳು ಮತ್ತು ಕಾರ್ಯಗಳು
ಫ್ಯಾಶನ್ ಉದ್ಯಮದಲ್ಲಿ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಪಾಂಡಾಗಳ ಬಳಕೆಗೆ ಪೂರಕವಾದ ಲೈಬ್ರರಿಗಳು ಮತ್ತು ಕಾರ್ಯಗಳ ಸಮೃದ್ಧವಾಗಿದೆ. ಇದರ ಜೊತೆಗೆ ಕೆಲವು ಉಪಯುಕ್ತ ಕಾರ್ಯಗಳು ಅರ್ಥ ಮತ್ತು ಮೊತ್ತ ಸೇರಿವೆ:
ಪಾಂಡಾಗಳ ಗುಂಪು ಕಾರ್ಯ
ನಮ್ಮ ಗುಂಪಿನಿಂದ ನಿರ್ದಿಷ್ಟ ಕಾಲಮ್‌ಗಳ ಆಧಾರದ ಮೇಲೆ ಡೇಟಾವನ್ನು ಒಟ್ಟುಗೂಡಿಸಲು ಕಾರ್ಯವು ವಿಶೇಷವಾಗಿ ಸಹಾಯಕವಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ನಮ್ಮ ಡೇಟಾಸೆಟ್‌ನಲ್ಲಿರುವ ಪ್ರತಿಯೊಂದು ಶೈಲಿಯ ಫ್ಯಾಷನ್ ಐಟಂಗಳ ಸರಾಸರಿ ಮತ್ತು ಒಟ್ಟು ಬೆಲೆಯನ್ನು ನಾವು ವಿಶ್ಲೇಷಿಸಲು ಬಯಸಿದರೆ.
# Group data by style and calculate mean and sum of the price
grouped_data = data.groupby('style')['price'].agg(['mean', 'sum'])
print(grouped_data)
ಪಾಂಡಾಗಳು ವಿಲೀನ ಕಾರ್ಯ
ನಮ್ಮ ಹೋಗಿ ಕಾರ್ಯವು ಸಾಮಾನ್ಯ ಕಾಲಮ್ ಅನ್ನು ಆಧರಿಸಿ ಎರಡು ಡೇಟಾಫ್ರೇಮ್ಗಳನ್ನು ಸಂಯೋಜಿಸಲು ನಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಪ್ರತಿ ಶೈಲಿಯ ಜನಪ್ರಿಯತೆಯ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಒಳಗೊಂಡಿರುವ ಪ್ರತ್ಯೇಕ ಡೇಟಾಸೆಟ್ ಅನ್ನು ನಾವು ಹೊಂದಿದ್ದೇವೆ ಎಂದು ಭಾವಿಸೋಣ. ಎರಡೂ ಡೇಟಾಫ್ರೇಮ್ಗಳನ್ನು ವಿಲೀನಗೊಳಿಸುವ ಮೂಲಕ, ನಾವು ಈ ಮಾಹಿತಿಯನ್ನು ಮೌಲ್ಯಯುತ ಒಳನೋಟಗಳಾಗಿ ಪರಿವರ್ತಿಸಬಹುದು.
# 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())
ಪಾಂಡಾಸ್ ಲೈಬ್ರರಿಯೊಳಗೆ ಈ ಶಕ್ತಿಯುತ ಕಾರ್ಯಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಮೂಲಕ, ಫ್ಯಾಷನ್ ತಜ್ಞರು ಮತ್ತು ಡೆವಲಪರ್‌ಗಳು ತಿಳುವಳಿಕೆಯುಳ್ಳ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು ಮತ್ತು ಇತ್ತೀಚಿನ ಪ್ರವೃತ್ತಿಗಳು ಮತ್ತು ಶೈಲಿಗಳನ್ನು ಸುಲಭವಾಗಿ ವಿಶ್ಲೇಷಿಸಬಹುದು.
