Pandas ir jaudīga Python bibliotēka datu analīzei un manipulācijām, ko plaši izmanto dažādās jomās, tostarp modes pasaulē. Izmantojot Pandas, modes eksperti un izstrādātāji var pamanīt tendences, modeļus un ieskatus, analizējot datu kopas, kas saistītas ar modes industriju. Šajā rakstā mēs iedziļināsimies spēcīgajās Pandas funkcijās, nozīmēt un summaun to pielietojums modes datu analīzē.
Šīs funkcijas var būt ļoti noderīgas, lai atrastu svarīgu informāciju par modes precēm, piemēram, izpārdošanu, cenu tendencēm, produktu vērtējumu un daudz ko citu. Aprēķinot dažādu atribūtu vidējo vērtību un summu, mēs varam gūt vērtīgas atziņas, lai pieņemtu pārdomātus lēmumus par stilu un modes tendencēm.
Problēmas risinājums
Lai demonstrētu pandu izmantošanu nozīmēt un summa funkcijas, pieņemsim, ka mums ir datu kopa, kurā ir informācija par dažādiem modes priekšmetiem, piemēram, to stilu, krāsām, cenu un vērtējumu. Mēs importēsim šo datu kopu pandas DataFrame un sāksim analīzi, izmantojot vidējās un summas funkcijas.
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)
Soli pa solim koda skaidrojums
- Pirmkārt, mēs importējam pandas bibliotēku ar aizstājvārdu "pd".
- Pēc tam mēs nolasām datus no CSV faila ar nosaukumu “fashion_items.csv” un ielādējam tos DataFrame ar nosaukumu “data”, izmantojot funkciju pd.read_csv. Datu kopa satur informāciju par dažādiem modes priekšmetiem.
- Pēc tam mēs aprēķinām visu modes preču vidējo cenu, izmantojot funkciju mean (), kas tiek lietota DataFrame kolonnai “cena”. Šī vērtība tiek saglabāta mainīgajā ar nosaukumu "mean_price".
- Līdzīgi mēs aprēķinām visu modes preču kopējo cenu, kolonnā "cena" izsaucot funkciju sum(). Šī vērtība tiek saglabāta mainīgajā ar nosaukumu “sum_price”.
- Visbeidzot izdrukājam modes preču aprēķinātās vidējās un kopējās cenas.
Saistītās bibliotēkas un funkcijas pakalpojumā Pandas
Ir daudz bibliotēku un funkciju, kas papildina pandu izmantošanu datu analīzei modes industrijā. Dažas no šīm noderīgajām funkcijām turklāt nozīmēt un summa ietver:
Pandas groupby funkcija
Jūsu darbs IR Klientu apkalpošana groupby funkcija ir īpaši noderīga datu apkopošanai, pamatojoties uz konkrētām kolonnām. Piemēram, ja mēs vēlamies analizēt modes preču vidējo un kopējo cenu katram mūsu datu kopā esošajam stilam.
# Group data by style and calculate mean and sum of the price
grouped_data = data.groupby('style')['price'].agg(['mean', 'sum'])
print(grouped_data)
Pandas sapludināšanas funkcija
Jūsu darbs IR Klientu apkalpošana apvienot funkcija ļauj apvienot divus DataFrame, pamatojoties uz kopēju kolonnu. Piemēram, pieņemsim, ka mums ir atsevišķa datu kopa, kurā ir informācija par katra stila popularitāti. Apvienojot abus DataFrame, mēs varam pārveidot šo informāciju vērtīgos ieskatos.
# 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())
Izprotot un ieviešot šīs spēcīgās funkcijas Pandas bibliotēkā, modes eksperti un izstrādātāji var pieņemt pārdomātus lēmumus un viegli analizēt jaunākās tendences un stilus.
