Pandas เป็นไลบรารี Python ที่ทรงพลังสำหรับการวิเคราะห์และจัดการข้อมูล ซึ่งใช้กันอย่างแพร่หลายในโดเมนต่างๆ รวมถึงโลกแห่งแฟชั่น การใช้ Pandas ผู้เชี่ยวชาญด้านแฟชั่นและนักพัฒนาสามารถระบุแนวโน้ม รูปแบบ และข้อมูลเชิงลึกโดยการวิเคราะห์ชุดข้อมูลที่เกี่ยวข้องกับอุตสาหกรรมแฟชั่น ในบทความนี้ เราจะเจาะลึกถึงฟังก์ชัน Pandas อันทรงพลัง หมายความ และ รวมและการประยุกต์ใช้ในการวิเคราะห์ข้อมูลแฟชั่น
ฟังก์ชันเหล่านี้มีประโยชน์มากในการค้นหาข้อมูลสำคัญเกี่ยวกับสินค้าแฟชั่น เช่น การลดราคา แนวโน้มราคา การให้คะแนนสินค้า และอื่นๆ ด้วยการคำนวณค่าเฉลี่ยและผลรวมของคุณลักษณะต่างๆ เราสามารถดึงข้อมูลเชิงลึกอันมีค่ามาใช้ในการตัดสินใจอย่างชาญฉลาดเกี่ยวกับสไตล์และเทรนด์แฟชั่น
วิธีแก้ปัญหา
เพื่อสาธิตการใช้งานหมีแพนด้า หมายความ และ รวม ฟังก์ชัน สมมติว่าเรามีชุดข้อมูลที่มีรายละเอียดเกี่ยวกับสินค้าแฟชั่นต่างๆ เช่น สไตล์ สี ราคา และคะแนน เราจะนำเข้าชุดข้อมูลนี้ไปยัง DataFrame แพนด้าและเริ่มการวิเคราะห์ของเราโดยใช้ฟังก์ชันค่าเฉลี่ยและผลรวม
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)
คำอธิบายทีละขั้นตอนของรหัส
- ก่อนอื่น เรานำเข้าไลบรารีแพนด้าด้วยนามแฝง 'pd'
- ต่อไป เราอ่านข้อมูลจากไฟล์ CSV ชื่อ 'fashion_items.csv' และโหลดลงใน DataFrame ชื่อ 'data' โดยใช้ฟังก์ชัน pd.read_csv ชุดข้อมูลประกอบด้วยข้อมูลเกี่ยวกับสินค้าแฟชั่นต่างๆ
- จากนั้น เราจะคำนวณราคาเฉลี่ยของสินค้าแฟชั่นทั้งหมดโดยใช้ฟังก์ชัน mean() ที่ใช้กับคอลัมน์ 'ราคา' ของ DataFrame ค่านี้ถูกเก็บไว้ในตัวแปรชื่อ 'mean_price'
- ในทำนองเดียวกัน เราคำนวณราคารวมของสินค้าแฟชั่นทั้งหมดโดยเรียกใช้ฟังก์ชัน sum() ในคอลัมน์ 'price' ค่านี้ถูกเก็บไว้ในตัวแปรชื่อ 'sum_price'
- สุดท้าย เราจะพิมพ์ค่าเฉลี่ยที่คำนวณได้และราคารวมของสินค้าแฟชั่น
ไลบรารีและฟังก์ชันที่เกี่ยวข้องใน Pandas
มีไลบรารีและฟังก์ชันมากมายที่เสริมการใช้หมีแพนด้าสำหรับการวิเคราะห์ข้อมูลในอุตสาหกรรมแฟชั่น นอกจากนี้ฟังก์ชั่นที่มีประโยชน์เหล่านี้บางส่วน หมายความ และ รวม รวมถึง:
แพนด้าจัดกลุ่มตามฟังก์ชัน
พื้นที่ กลุ่มโดย ฟังก์ชันมีประโยชน์อย่างยิ่งสำหรับการรวมข้อมูลตามคอลัมน์ที่ระบุ ตัวอย่างเช่น หากเราต้องการวิเคราะห์ค่าเฉลี่ยและราคารวมของสินค้าแฟชั่นสำหรับแต่ละสไตล์ที่มีอยู่ในชุดข้อมูลของเรา
# Group data by style and calculate mean and sum of the price grouped_data = data.groupby('style')['price'].agg(['mean', 'sum']) print(grouped_data)
ฟังก์ชั่นรวมหมีแพนด้า
พื้นที่ ผสาน ฟังก์ชันช่วยให้เราสามารถรวมสอง DataFrames ตามคอลัมน์ทั่วไป ตัวอย่างเช่น สมมติว่าเรามีชุดข้อมูลแยกต่างหากซึ่งมีข้อมูลเกี่ยวกับความนิยมของแต่ละสไตล์ ด้วยการรวม DataFrame ทั้งสองเข้าด้วยกัน เราสามารถเปลี่ยนข้อมูลนี้เป็นข้อมูลเชิงลึกที่มีค่าได้
# 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())
ด้วยการทำความเข้าใจและนำฟังก์ชันอันทรงพลังเหล่านี้ไปใช้ภายในห้องสมุด Pandas ผู้เชี่ยวชาญด้านแฟชั่นและนักพัฒนาสามารถตัดสินใจอย่างชาญฉลาดและวิเคราะห์แนวโน้มและสไตล์ล่าสุดได้อย่างง่ายดาย