Мода и програмирање могу изгледати као два потпуно различита света, али када је реч о анализи података и предвиђању трендова, они се могу лепо спојити. У овом чланку ћемо истражити уобичајени проблем за анализу података у модној индустрији: изостављање одређених дана из података о датуму и времену панда. Ово може бити посебно корисно када анализирате обрасце, трендове и податке о продаји. Проћи ћемо кроз објашњење кода корак по корак и разговарати о разним библиотекама и функцијама које ће нам помоћи да постигнемо наш циљ.
Панде и датум у моди
Пандас је популарна Питхон библиотека која се првенствено користи за анализу података и манипулацију. У свету моде, може се користити за пробирање огромних количина података да би се идентификовали трендови, анализирали преференције купаца и предвидели будући обрасци. Пандас подржава функцију датума и времена, што нам омогућава да без напора радимо са датумима и временом.
У многим случајевима, потребно је изоставити одређене дане или опсеге дана из нашег скупа података. На пример, можда бисмо желели да изузмемо викенде или празнике да бисмо се фокусирали на важне дане распродаје, као што су Црни петак или Сајбер понедељак.
Разумевање проблема
Рецимо да имамо скуп података који садржи дневне податке о продаји у ЦСВ формату и желимо да анализирамо информације без викенда. Да бисмо то постигли, почећемо од увоз скупа података помоћу панди, а затим ћемо манипулисати подацима да бисмо уклонили викенде.
Ево процеса корак по корак:
1. Увезите потребне библиотеке.
2. Учитајте скуп података.
3. Конвертујте колону датума у формат датума и времена (ако већ није у том формату).
4. Филтрирајте оквир података да бисте искључили викенде.
5. Анализирајте филтриране податке.
Белешка: Овај метод се може применити на било који скуп података где се датум чува у посебној колони.
# 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())
Тумачење Кодекса
У блоку кода изнад, почињемо увозом две основне библиотеке: пандас и БДаи (радни дан) из пандас.тсериес.оффсетс. Учитавамо скуп података помоћу функције пандас реад_цсв, и уверите се да је колона датума у формату датума и времена.
дт.даиофвеек атрибут враћа дан у недељи као цео број (понедељак: 0, недеља: 6). Да бисмо филтрирали викенде, чувамо само редове са вредношћу дана у недељи мањом од 5.
На крају, анализирамо филтриране податке штампањем првих неколико редова користећи глава() функција.
Додатне функције и библиотеке
Овај метод се може додатно проширити да укључи друге критеријуме филтрирања или да ради са различитим периодима. Неке корисне библиотеке и функције које могу подржати овај процес укључују:
- НумПи: Библиотека за нумеричко рачунање у Питхон-у, која се може користити за ефикасну манипулацију низом и математичке операције.
- Датум време: Модул у Питхоновој стандардној библиотеци који нам помаже да лако радимо са датумима и временима.
- дате_ранге: Функција унутар панда која нам омогућава да креирамо распон датума према различитим поставкама учесталости, као што су радни дани, недеље или месеци.
Користећи ове алате и технике у комбинацији са пандама и манипулацијом датумом и временом, можете креирати робусне токове рада за анализу података који задовољавају специфичне потребе модне индустрије, као што су препознавање трендова, преференција купаца и продајних перформанси.
