Pandas este o bibliotecă Python puternică pentru analiza și manipularea datelor, utilizată pe scară largă în diverse domenii, inclusiv în lumea modei. Folosind Pandas, experții și dezvoltatorii în modă pot identifica tendințe, tipare și informații prin analizarea seturilor de date legate de industria modei. În acest articol, vom aprofunda funcțiile puternice Pandas, media și suma , și aplicațiile lor în analiza datelor despre modă.
Aceste funcții pot fi foarte utile pentru a descoperi informații importante despre articolele de modă, cum ar fi vânzările, tendințele prețurilor, evaluarea produselor și multe altele. Calculând media și suma diferitelor atribute, putem extrage informații valoroase pentru a lua decizii informate cu privire la stilul și tendințele modei.
Soluția la problema
Pentru a demonstra utilizarea funcțiilor medie și sumă din Pandas , să presupunem că avem un set de date care conține detalii despre diferite articole de modă, cum ar fi stilul, culorile, prețul și ratingul acestora. Vom importa acest set de date într-un DataFrame din Pandas și vom începe analiza noastră folosind funcțiile medie și sumă.
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)
Explicația pas cu pas a codului
- În primul rând, importăm biblioteca panda cu aliasul „pd”.
- Apoi, citim datele dintr-un fișier CSV numit „fashion_items.csv” și le încărcăm într-un DataFrame numit „data” folosind funcția pd.read_csv. Setul de date conține informații despre diverse articole de modă.
- Apoi, calculăm prețul mediu al tuturor articolelor de modă folosind funcția mean() aplicată coloanei „preț” din DataFrame. Această valoare este stocată într-o variabilă numită „preț_mediu”.
- În mod similar, calculăm prețul total al tuturor articolelor de modă apelând funcția sum() din coloana „preț”. Această valoare este stocată într-o variabilă numită „sum_price”.
- În cele din urmă, imprimăm prețurile medii și totale calculate ale articolelor de modă.
Biblioteci și funcții înrudite în Pandas
Există o multitudine de biblioteci și funcții care completează utilizarea instrumentelor panda pentru analiza datelor în industria modei. Printre aceste funcții utile, pe lângă medie și sumă, se numără:
Funcția de grupare a panda
Funcția groupby este deosebit de utilă pentru agregarea datelor pe baza unor coloane specifice. De exemplu, dacă dorim să analizăm prețul mediu și total al articolelor de modă pentru fiecare stil prezent în setul nostru de date.
# Group data by style and calculate mean and sum of the price
grouped_data = data.groupby('style')['price'].agg(['mean', 'sum'])
print(grouped_data)
Funcția de îmbinare panda
Funcția merge ne permite să combinăm două DataFrame-uri pe baza unei coloane comune. De exemplu, să presupunem că avem un set de date separat care conține informații despre popularitatea fiecărui stil. Prin fuzionarea ambelor DataFrame-uri, putem transforma aceste informații în informații valoroase.
# 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())
Înțelegând și implementând aceste funcții puternice în biblioteca Pandas, experții și dezvoltatorii în modă pot lua decizii informate și pot analiza cele mai recente tendințe și stiluri cu ușurință.
