Ang Pandas ay isang makapangyarihang Python library para sa pagsusuri at manipulasyon ng datos, na malawakang ginagamit sa iba't ibang larangan, kabilang ang mundo ng fashion. Gamit ang Pandas, maaaring matukoy ng mga eksperto at developer ng fashion ang mga trend, pattern, at insight sa pamamagitan ng pagsusuri ng mga dataset na may kaugnayan sa industriya ng fashion. Sa artikulong ito, susuriin natin ang makapangyarihang Pandas functions, ang mean at sum , at ang kanilang mga aplikasyon sa pagsusuri ng datos 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
Para maipakita ang paggamit ng mean at sum functions ng pandas, ipagpalagay natin na mayroon tayong dataset na naglalaman ng mga detalye tungkol sa iba't ibang fashion items tulad ng kanilang estilo, kulay, presyo, at rating. I-import natin ang dataset na ito sa isang pandas DataFrame at sisimulan ang ating pagsusuri gamit ang mean at sum functions.
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
Maraming mga library at function na nakakatulong sa paggamit ng mga pandas para sa pagsusuri ng datos sa industriya ng fashion. Ilan sa mga kapaki-pakinabang na function na ito bukod sa mean at sum ay kinabibilangan ng:
Pandas groupby function
Ang function na "groupby" ay partikular na nakakatulong para sa pagsasama-sama ng datos batay sa mga partikular na kolum. Halimbawa, kung gusto nating suriin ang mean at kabuuang presyo ng mga item sa fashion para sa bawat istilo na nasa ating 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 merge function ay nagbibigay-daan sa atin na pagsamahin ang dalawang DataFrames batay sa isang karaniwang column. Halimbawa, ipagpalagay na mayroon tayong hiwalay na dataset na naglalaman ng impormasyon tungkol sa kasikatan ng bawat istilo. Sa pamamagitan ng pagsasama ng parehong DataFrames, maaari nating gawing mahahalagang 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.
