Pandas je moćna Python biblioteka za analizu podataka i manipulaciju, široko korištena u raznim domenama, uključujući svijet mode. Koristeći Pandu, modni stručnjaci i programeri mogu uočiti trendove, obrasce i uvide analizirajući skupove podataka koji se odnose na modnu industriju. U ovom ćemo članku proniknuti u moćne Pandas funkcije, značiti i iznos, te njihove primjene u analizi modnih podataka.
Ove funkcije mogu biti od velike pomoći u otkrivanju važnih informacija o modnim artiklima kao što su rasprodaje, trendovi cijena, ocjene proizvoda i više. Izračunavanjem srednje vrijednosti i zbroja različitih atributa, možemo izvući vrijedne uvide za donošenje informiranih odluka o stajlingu i modnim trendovima.
Rješenje problema
Za demonstraciju korištenja pandi značiti i iznos funkcije, pretpostavimo da imamo skup podataka koji sadrži pojedinosti o različitim modnim predmetima kao što su njihov stil, boje, cijena i ocjena. Uvest ćemo ovaj skup podataka u pandas DataFrame i započeti našu analizu pomoću funkcija srednje vrijednosti i zbroja.
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)
Korak po korak objašnjenje koda
- Prvo uvozimo biblioteku pandas s aliasom 'pd'.
- Zatim čitamo podatke iz CSV datoteke pod nazivom 'fashion_items.csv' i učitavamo je u DataFrame pod nazivom 'data' pomoću funkcije pd.read_csv. Skup podataka sadrži informacije o raznim modnim artiklima.
- Zatim izračunavamo srednju cijenu svih modnih artikala pomoću funkcije mean() primijenjene na stupac 'cijena' DataFramea. Ova vrijednost je pohranjena u varijabli pod nazivom 'mean_price'.
- Slično tome, izračunavamo ukupnu cijenu svih modnih artikala pozivanjem funkcije sum() u stupcu "cijena". Ova je vrijednost pohranjena u varijabli pod nazivom 'sum_price'.
- Na kraju ispisujemo izračunate srednje i ukupne cijene modnih artikala.
Povezane biblioteke i funkcije u Pandas
Postoji mnoštvo biblioteka i funkcija koje nadopunjuju korištenje pandi za analizu podataka u modnoj industriji. Osim toga, neke od ovih korisnih funkcija značiti i iznos uključuju:
Pande grupiranje po funkciji
Korištenje električnih romobila ističe groupby funkcija je osobito korisna za prikupljanje podataka na temelju određenih stupaca. Na primjer, ako želimo analizirati srednju i ukupnu cijenu modnih predmeta za svaki stil prisutan u našem skupu podataka.
# 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 funkcija spajanja
Korištenje električnih romobila ističe spojiti funkcija nam omogućuje kombiniranje dva DataFramesa na temelju zajedničkog stupca. Na primjer, pretpostavimo da imamo zaseban skup podataka koji sadrži podatke o popularnosti svakog stila. Spajanjem oba DataFramesa možemo pretvoriti ove informacije u vrijedne uvide.
# 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())
Razumijevanjem i implementacijom ovih moćnih funkcija unutar biblioteke Pandas, modni stručnjaci i programeri mogu donositi informirane odluke i s lakoćom analizirati najnovije trendove i stilove.
