এই টিউটোরিয়ালে, আমরা পান্ডাস প্যাকেজ ব্যবহার করে মোবাইল ডেটার গতি বিশ্লেষণ করতে যাচ্ছি। TRAI থেকে মোবাইলের গতি ডাউনলোড করুন সরকারী ওয়েবসাইট. ফাইল ডাউনলোড করার ধাপ।
অ্যালগরিদম
<পূর্ব>1. [TRAI](https://myspeed.trai.gov.in/ ) ওয়েবসাইটে যান।2। পৃষ্ঠার শেষে নিচে স্ক্রোল করুন.3. আপনি বিভিন্ন মাসের জন্য মোবাইল স্পিড ডেটা পাবেন।4। সেপ্টেম্বরের মোবাইল ডেটা স্পিড ডাউনলোড করুন৷৷চলুন CSV-এর কলামগুলি দেখি ফাইল।
-
নেটওয়ার্কের নাম
-
নেটওয়ার্ক প্রযুক্তি
-
পরীক্ষার ধরন
-
গতি
-
সংকেত শক্তি
-
রাজ্য
আমাদের দরকার পান্ডা, নম্পি, ম্যাটপ্লটলিব লাইব্রেরি আসুন ডেটা বিশ্লেষণ করতে কোডিং শুরু করি।
উদাহরণ
# আমদানির জন্য দরকার librariesimport pandas pdimport numpy হিসাবে npimport matplotlib.pyplot হিসাবে plot# constantsDATASET ='sept19_publish.csv'NETWORK_NAME ='JIO'STATE ='অন্ধ্রপ্রদেশ'# মান সংরক্ষণের জন্য তালিকা [ডাউনলোড করা] =আপলোড করা হয়েছে states =[]অপারেটর =[]# pandasdata_frame ব্যবহার করে ডেটাসেট আমদানি করা =pd.read_csv(DATASET)# সহজ অ্যাক্সেসের জন্য কলামের নাম বরাদ্দ করা data_frame.columns =['নেটওয়ার্ক', 'প্রযুক্তি', 'পরীক্ষার ধরন', 'গতি', 'সিগন্যাল স্ট্রেন্থ', 'স্টেট' # ডেটাসেটিউনিক_স্টেটস =ডেটা_ফ্রেম['স্টেট'] থেকে অনন্য স্টেট এবং অপারেটর পাচ্ছেন অনন্য_অপারেটর)
আউটপুট
আপনি যদি উপরের প্রোগ্রামটি চালান তাহলে আপনি নিম্নলিখিত ফলাফল পাবেন৷
<প্রে> পূর্ব' 'কর্নাটক' 'ওড়িশা' 'অন্ধ্রপ্রদেশ' 'বিহার' 'মুম্বাই' 'উত্তর পূর্ব' 'হিমাচল প্রদেশ' 'আসাম' 'জম্মু ও কাশ্মীর']['JIO' 'AIRTEL' 'VODAFONE' 'IDEA' 'সেলোন' ' 'ডলফিন'অবিচ্ছিন্ন...
# একটি নেটওয়ার্কের সাথে সম্পর্কিত ডেটা পাওয়া যা আমরা চাই# আমরা ইতিমধ্যেই নেটওয়ার্কটি আগেই ঘোষণা করেছি# এই ডেটা ফিল্টার করে JIO =data_frame[data_frame['Network'] ==NETWORK_NAME # ইউনিক_স্টেটে রাজ্যের জন্য সমস্ত রাজ্যের মাধ্যমে পুনরাবৃত্তি:# বর্তমান অবস্থার সমস্ত ডেটা পাওয়া বর্তমান_রাষ্ট্র =JIO[JIO['State'] ==state] # বর্তমান_state থেকে ডাউনলোডের গতি পাচ্ছে download_speed =current_state[current_state['Type Of Test'] =='download'] # ডাউনলোড_গতির গড় গণনা করা হচ্ছে download_speed_avg =download_speed['speed'].mean() # বর্তমান_state থেকে আপলোডের গতি পাচ্ছেন upload_speed =current_state[current_state['Type Of Test'] =='upload'] # আপলোড_গতির গড় হিসাব করা হচ্ছে upload_speed_avg =upload_speed. mean() # পরীক্ষা করা হচ্ছে গড় বা nan বা না হলে pd.isnull(download_speed_avg) বা pd.isnull(upload_speed_avg):# উভয় গতিতে শূন্য নির্ধারণ করা হচ্ছে download_speed, upload_speed =0, অন্য 0:# মান থাকলে সংযোজন অবস্থা প্লট states.append(state) download_speeds.append(download_speed_avg) upload_speeds.append(upload_speed_avg) # ডাউনলোড মুদ্রণ এবং আপলোড গড় প্রিন্ট (f'{state}:ডাউনলোড গড় {download_speed_avg:.3f} আপলোড গড় {আপলোড _speed_avg:.3f}') আউটপুট
আপনি যদি উপরের কোডটি চালান তাহলে আপনি নিম্নলিখিত ফলাফল পাবেন।
কলকাতা:ডাউনলোড করুন গড় 31179.157 আপলোড গড় 5597.086 পাঞ্জাব:ডাউনলোড করুন গড়। 29289.594 আপলোড গড় 5848.015দিল্লি:ডাউনলোড করুন গড় 28956.174 আপলোড গড় 5340.927UP পশ্চিম:ডাউনলোড করুন গড়। 21666.673 আপলোড গড় 4118.200হরিয়ানা:ডাউনলোড করুন গড় 6226.855 আপলোড গড় 2372.987 পশ্চিমবঙ্গ:ডাউনলোড করুন গড় 20457.976 আপলোড গড় 4219.467 তামিলনাড়ু:ডাউনলোড করুন গড় 24029.364 আপলোড গড় 4269.765কেরালা:ডাউনলোড করুন গড় 10735.611 আপলোড গড় 2088.881 রাজস্থান:ডাউনলোড করুন গড়। 26718.066 আপলোড গড় 5800.989গুজরাট:ডাউনলোড করুন গড়। 16483.987 আপলোড গড় 3414.485মহারাষ্ট্র:ডাউনলোড করুন গড় 20615.311 আপলোড গড় 4033.843চেন্নাই:ডাউনলোড করুন গড় 6244.756 আপলোড গড় 2271.318মধ্যপ্রদেশ:ডাউনলোড করুন গড়। 15757.381 আপলোড গড় 3859.596UP পূর্ব:ডাউনলোড করুন গড় 28827.914 আপলোড গড় 5363.082 কর্ণাটক:ডাউনলোড করুন গড় 10257.426 আপলোড গড় 2584.806 ওড়িশা:ডাউনলোড করুন গড় 32820.872 আপলোড গড় 5258.215অন্ধ্রপ্রদেশ:ডাউনলোড করুন গড় 8260.547 আপলোড গড় 2390.845বিহার:ডাউনলোড করুন গড় 9657.874 আপলোড গড় 3197.166মুম্বাই:ডাউনলোড করুন গড় 9984.954 আপলোড গড় 3484.052উত্তর পূর্ব:গড় ডাউনলোড করুন 4472.731 আপলোড গড় 2356.284হিমাচল প্রদেশ:গড় ডাউনলোড করুন 6985.774 আপলোড গড় 3970.431 আসাম:ডাউনলোড করুন গড় 4343.987 আপলোড গড় 2237.143জম্মু ও কাশ্মীর:ডাউনলোড করুন গড় 1665.425 আপলোড গড় 802.925
অবিচ্ছিন্ন...
# গ্রাফ ফিক্স প্লটিং, axes =plot.subplots()# সেটিং বার widthbar_width =0.25# statesre_states এর অবস্থান পুনর্বিন্যাস =np.arange(len(states))# প্রস্থ এবং heightplot.figure(num =কোনটিই নয়, ফিগসাইজ =(12, 5))# ডাউনলোডের প্লট করা হচ্ছে spppedplot.bar(re_states, download_speeds, bar_width, color ='g', label ='Avg. DownloadSpeed')# আপলোড স্পিডপ্লট.bar(re_states + bar_width, upload_speeds, bar_width, color='b', label='Avg. আপলোড স্পিড')# গ্রাফপ্লট শিরোনাম('Avg. ডাউনলোড )# y-axis labelplot.ylabel('Kbps-এ গড় গতি')# প্রতিটি বারের নিচের লেবেল, # স্টেটস্প্লট.xticks (re_states + bar_width, states, rotation =90) # আঁকুন legendplot.legend( )# গ্রাফ লেআউট তৈরি করুন tightplot.tight_layout()# graphplot.show() দেখান আউটপুট
আপনি যদি উপরের গ্রাফটি চালান তাহলে আপনি নিম্নলিখিত গ্রাফটি পাবেন।
উপসংহার
আপনি আপনার প্রয়োজনের উপর ভিত্তি করে বিভিন্ন গ্রাফ প্লট করতে পারেন। বিভিন্ন গ্রাফ প্লট করে ডেটাসেটের সাথে খেলুন। টিউটোরিয়াল সম্পর্কে আপনার কোন সন্দেহ থাকলে মন্তব্য বিভাগে উল্লেখ করুন।
