Pandas — це потужна бібліотека Python для аналізу та обробки даних, яка широко використовується в різних сферах, зокрема у світі моди. Використовуючи Pandas, експерти моди та розробники можуть виявляти тенденції, закономірності та ідеї, аналізуючи набори даних, пов’язані з індустрією моди. У цій статті ми розглянемо потужні функції Pandas, значити та сумата їх застосування в аналізі даних моди.
Ці функції можуть бути дуже корисними для виявлення важливої інформації про модні речі, як-от розпродажі, тенденції цін, рейтинг продукту тощо. Обчислюючи середнє значення та суму різних атрибутів, ми можемо отримати цінну інформацію, щоб приймати обґрунтовані рішення щодо стилю та модних тенденцій.
Рішення проблеми
Щоб продемонструвати використання панд значити та сума функцій, припустімо, що у нас є набір даних, що містить інформацію про різні модні речі, як-от їхній стиль, кольори, ціну та рейтинг. Ми імпортуємо цей набір даних у pandas DataFrame і почнемо наш аналіз за допомогою функцій середнього значення та суми.
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)
Покрокове пояснення коду
- Спочатку ми імпортуємо бібліотеку pandas із псевдонімом «pd».
- Далі ми зчитуємо дані з файлу CSV під назвою «fashion_items.csv» і завантажуємо його в DataFrame під назвою «data» за допомогою функції pd.read_csv. Набір даних містить інформацію про різні модні речі.
- Потім ми обчислюємо середню ціну всіх модних речей за допомогою функції mean(), застосованої до стовпця «ціна» DataFrame. Це значення зберігається в змінній під назвою "mean_price".
- Подібним чином ми обчислюємо загальну ціну всіх модних речей, викликаючи функцію sum() у стовпці "ціна". Це значення зберігається в змінній під назвою "sum_price".
- Нарешті, ми друкуємо розраховані середні та загальні ціни модних речей.
Пов’язані бібліотеки та функції в Pandas
Існує безліч бібліотек і функцій, які доповнюють використання панд для аналізу даних в індустрії моди. Крім того, деякі з цих корисних функцій значити та сума включати:
Функція групування панд
Команда groupby функція особливо корисна для агрегування даних на основі певних стовпців. Наприклад, якщо ми хочемо проаналізувати середню та загальну ціну модних речей для кожного стилю, представленого в нашому наборі даних.
# Group data by style and calculate mean and sum of the price
grouped_data = data.groupby('style')['price'].agg(['mean', 'sum'])
print(grouped_data)
Функція злиття Pandas
Команда злиття функція дозволяє нам об’єднати два DataFrames на основі спільного стовпця. Наприклад, припустімо, що у нас є окремий набір даних, що містить інформацію про популярність кожного стилю. Об’єднавши обидва DataFrames, ми можемо перетворити цю інформацію на цінну інформацію.
# 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())
Розуміючи та впроваджуючи ці потужні функції в бібліотеці Pandas, модні експерти та розробники можуть приймати обґрунтовані рішення та легко аналізувати останні тенденції та стилі.
