Пандас је моћна Питхон библиотека за анализу и манипулацију података, која се широко користи у различитим доменима, укључујући и свет моде. Користећи Панде, модни стручњаци и програмери могу уочити трендове, обрасце и увиде анализирајући скупове података који се односе на модну индустрију. У овом чланку ћемо се позабавити моћним Пандас функцијама, значити збир, и њихове примене у анализи модних података.
Ове функције могу бити од велике помоћи у откривању важних информација о модним артиклима као што су продаја, трендови цена, оцена производа и још много тога. Израчунавајући средњу вредност и збир различитих атрибута, можемо извући драгоцене увиде како бисмо донели информисане одлуке о стајлингу и модним трендовима.
Решење проблема
Да демонстрира употребу панди значити збир функције, претпоставимо да имамо скуп података који садржи детаље о различитим модним предметима као што су њихов стил, боје, цена и оцена. Увешћемо овај скуп података у пандас ДатаФраме и започети нашу анализу користећи функције средње вредности и суме.
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)
Корак по корак објашњење кода
- Прво, увозимо библиотеку панда са псеудонимом 'пд'.
- Затим читамо податке из ЦСВ датотеке под називом 'фасхион_итемс.цсв' и учитавамо их у ДатаФраме под називом 'дата' користећи функцију пд.реад_цсв. Скуп података садржи информације о разним модним артиклима.
- Затим израчунавамо средњу цену свих модних артикала користећи функцију меан() примењену на колону 'прице' у ДатаФраме-у. Ова вредност се чува у променљивој под називом „средња_цена“.
- Слично томе, израчунавамо укупну цену свих модних артикала позивањем функције сум() у колони 'прице'. Ова вредност се чува у променљивој под називом 'сум_прице'.
- На крају штампамо израчунате средње и укупне цене модних артикала.
Повезане библиотеке и функције у Пандас
Постоји мноштво библиотека и функција које допуњују употребу панда за анализу података у модној индустрији. Неке од ових корисних функција поред тога значити збир укључују:
Пандас гроупби функција
група од функција је посебно корисна за прикупљање података на основу одређених колона. На пример, ако желимо да анализирамо средњу и укупну цену модних артикала за сваки стил присутан у нашем скупу података.
# Group data by style and calculate mean and sum of the price
grouped_data = data.groupby('style')['price'].agg(['mean', 'sum'])
print(grouped_data)
Пандас функција спајања
стопити функција нам омогућава да комбинујемо два оквира података на основу заједничке колоне. На пример, претпоставимо да имамо посебан скуп података који садржи информације о популарности сваког стила. Спајањем оба оквира података можемо да трансформишемо ове информације у вредне увиде.
# 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())
Разумевањем и применом ових моћних функција у оквиру Пандас библиотеке, модни стручњаци и програмери могу са лакоћом да доносе информисане одлуке и анализирају најновије трендове и стилове.
