การวิเคราะห์ความเร็วอินเทอร์เน็ตมือถือจาก TRAI ด้วย Pandas ใน Python

ในบทช่วยสอนนี้ เราจะวิเคราะห์ข้อมูลความเร็วอินเทอร์เน็ตมือถือโดยใช้แพ็กเกจ pandas ข้อมูลดาวน์โหลดได้จากเว็บไซต์อย่างเป็นทางการของ TRAI

ขั้นตอนดาวน์โหลดข้อมูล

1. เข้าเว็บไซต์ TRAI (https://myspeed.trai.gov.in/)
2. เลื่อนลงมาสิ้นสุดหน้า
3. จะพบข้อมูลความเร็วมือถือแยกตามเดือน
4. ดาวน์โหลดข้อมูลเดือนกันยายน (September mobile data speeds)

คอลัมน์ในไฟล์ CSV

Network Name
Network Technology
Type Of Test
Speed
Signal Strength
State

เราจะใช้ไลบรารี pandas, numpy, matplotlib เริ่มเขียนโค้ดวิเคราะห์กันเลย

ตัวอย่างโค้ด (ส่วนที่ 1: โหลดข้อมูลและดูค่าเฉพาะ)

import pandas as pd
import numpy as np
import matplotlib.pyplot as plot

# constants
DATASET = 'sept19_publish.csv'
NETWORK_NAME = 'JIO'
STATE = 'Andhra Pradesh'

# lists to store values
download_speeds = []
upload_speeds = []
states = []
operators = []

# importing the dataset
data_frame = pd.read_csv(DATASET)

# assigning column names for easy access
data_frame.columns = ['Network', 'Technology', 'Type Of Test', 'Speed', 'Signal Strength', 'State']

# getting unique states and operators
unique_states = data_frame['State'].unique()
unique_operators = data_frame['Network'].unique()
print(unique_states)
print()
print(unique_operators)

ผลลัพธ์

['Kolkata' 'Punjab' 'Delhi' 'UP West' 'Haryana' nan 'West Bengal' 'Tamil Nadu' 'Kerala' 'Rajasthan' 'Gujarat' 'Maharashtra' 'Chennai' 'Madhya Pradesh' 'UP East' 'Karnataka' 'Orissa' 'Andhra Pradesh' 'Bihar' 'Mumbai' 'North East' 'Himachal Pradesh' 'Assam' 'Jammu & Kashmir']
['JIO' 'AIRTEL' 'VODAFONE' 'IDEA' 'CELLONE' 'DOLPHIN']

ตัวอย่างโค้ด (ส่วนที่ 2: คำนวณค่าเฉลี่ยแยกตามรัฐ)

# filter data for selected network
JIO = data_frame[data_frame['Network'] == NETWORK_NAME]

# iterate through all states
for state in unique_states:
    # get data for current state
    current_state = JIO[JIO['State'] == state]
    
    # get download speed
    download_speed = current_state[current_state['Type Of Test'] == 'download']
    download_speed_avg = download_speed['Speed'].mean()
    
    # get upload speed
    upload_speed = current_state[current_state['Type Of Test'] == 'upload']
    upload_speed_avg = upload_speed['Speed'].mean()
    
    # check for NaN
    if pd.isnull(download_speed_avg) or pd.isnull(upload_speed_avg):
        download_speed, upload_speed = 0, 0
    else:
        states.append(state)
        download_speeds.append(download_speed_avg)
        upload_speeds.append(upload_speed_avg)
    
    print(f'{state}: Download Avg. {download_speed_avg:.3f} Upload Avg. {upload_speed_avg:.3f}')

ผลลัพธ์ (บางส่วน)

Kolkata: Download Avg. 31179.157 Upload Avg. 5597.086
Punjab: Download Avg. 29289.594 Upload Avg. 5848.015
Delhi: Download Avg. 28956.174 Upload Avg. 5340.927
...
Jammu & Kashmir: Download Avg. 1665.425 Upload Avg. 802.925

ตัวอย่างโค้ด (ส่วนที่ 3: วาดกราฟแท่งเปรียบเทียบ)

# plotting the graph
fig, axes = plot.subplots()
bar_width = 0.25
re_states = np.arange(len(states))

plot.figure(num=None, figsize=(12, 5))

# download speed bars
plot.bar(re_states, download_speeds, bar_width, color='g', label='Avg. Download Speed')

# upload speed bars
plot.bar(re_states + bar_width, upload_speeds, bar_width, color='b', label='Avg. Upload Speed')

plot.title('Avg. Download|Upload Speed for ' + NETWORK_NAME)
plot.xlabel('States')
plot.ylabel('Average Speeds in Kbps')
plot.xticks(re_states + bar_width, states, rotation=90)
plot.legend()
plot.tight_layout()
plot.show()

ผลลัพธ์

การวิเคราะห์ความเร็วอินเทอร์เน็ตมือถือจาก TRAI ด้วย Pandas ใน Python

สรุป

คุณสามารถวาดกราฟประเภทต่างๆ ตามต้องการได้ ลองเล่นกับชุดข้อมูลนี้โดยการพล็อตกราฟต่างๆ หากมีข้อสงสัย สามารถถามได้ในส่วนความคิดเห็น