Ang Pandas ay isang malakas na library ng Python para sa pagsusuri at pagmamanipula ng data, na malawakang ginagamit sa iba't ibang mga domain, kabilang ang mundo ng fashion. Gamit ang mga Panda, makikita ng mga eksperto sa fashion at developer ang mga trend, pattern, at insight sa pamamagitan ng pagsusuri sa mga dataset na nauugnay sa industriya ng fashion. Sa artikulong ito, susuriin natin ang makapangyarihang mga function ng Pandas, ibig sabihin at kabuuan, at ang kanilang mga aplikasyon sa pagsusuri ng data ng fashion.
Ang mga function na ito ay maaaring maging kapaki-pakinabang sa pagtuklas ng mahalagang impormasyon tungkol sa mga item sa fashion tulad ng mga benta, mga trend ng presyo, rating ng produkto, at higit pa. Sa pamamagitan ng pagkalkula ng mean at kabuuan ng iba't ibang mga katangian, maaari tayong gumuhit ng mahahalagang insight upang makagawa ng matalinong mga pagpapasya tungkol sa pag-istilo at mga uso sa fashion.
Ang solusyon sa problema
Upang ipakita ang paggamit ng mga panda ibig sabihin at kabuuan function, ipagpalagay nating mayroon tayong dataset na naglalaman ng mga detalye tungkol sa iba't ibang fashion item tulad ng kanilang estilo, kulay, presyo, at rating. Ii-import namin ang dataset na ito sa isang pandas DataFrame at sisimulan ang aming pagsusuri gamit ang mean at sum function.
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)
Hakbang-hakbang na pagpapaliwanag ng code
- Una, ini-import namin ang library ng pandas na may alyas na 'pd'.
- Susunod, binabasa namin ang data mula sa isang CSV file na pinangalanang 'fashion_items.csv' at i-load ito sa isang DataFrame na pinangalanang 'data' gamit ang pd.read_csv function. Ang dataset ay naglalaman ng impormasyon tungkol sa iba't ibang fashion item.
- Pagkatapos, kinakalkula namin ang ibig sabihin ng presyo ng lahat ng fashion item gamit ang mean() function na inilapat sa column na 'price' ng DataFrame. Ang halagang ito ay nakaimbak sa isang variable na pinangalanang 'mean_price'.
- Katulad nito, kinakalkula namin ang kabuuang presyo ng lahat ng fashion item sa pamamagitan ng pagtawag sa sum() function sa column na 'price'. Ang halagang ito ay nakaimbak sa isang variable na pinangalanang 'sum_price'.
- Sa wakas, nai-print namin ang kinakalkula na mean at kabuuang presyo ng mga fashion item.
Mga kaugnay na library at function sa Pandas
Mayroong isang kalabisan ng mga aklatan at mga function na umakma sa paggamit ng mga panda para sa pagsusuri ng data sa industriya ng fashion. Bukod sa ilan sa mga kapaki-pakinabang na function na ito ibig sabihin at kabuuan ay kinabibilangan ng:
Pandas groupby function
Ang groupby Ang function ay partikular na nakakatulong para sa pagsasama-sama ng data batay sa mga partikular na column. Halimbawa, kung gusto naming suriin ang ibig sabihin at kabuuang presyo ng mga fashion item para sa bawat istilo na nasa aming dataset.
# 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 merge function
Ang pagsamahin Binibigyang-daan kami ng function na pagsamahin ang dalawang DataFrame batay sa isang karaniwang column. Halimbawa, ipagpalagay na mayroon kaming hiwalay na dataset na naglalaman ng impormasyon tungkol sa kasikatan ng bawat istilo. Sa pamamagitan ng pagsasama-sama ng parehong DataFrames, maaari naming gawing mahalagang insight ang impormasyong ito.
# 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())
Sa pamamagitan ng pag-unawa at pagpapatupad ng mga makapangyarihang function na ito sa loob ng library ng Pandas, ang mga eksperto sa fashion at developer ay makakagawa ng matalinong mga desisyon at masusuri ang pinakabagong mga uso at istilo nang madali.
