Pandas'a Giriş

Pandas, veri analizi ve işleme için güçlü bir Python kütüphanesidir. Verileri temizlemeyi, dönüştürmeyi ve analiz etmeyi kolaylaştıran DataFrame ve Seri gibi veri yapıları sağlar.

Bu derste Pandas'ın temellerini ve veri analizi için nasıl kullanılacağını öğreneceksiniz.

Pandas'ı Kurma

Pandas'ı kurmak için terminalinizde aşağıdaki komutu kullanın:

pip install pandas

Kurulum tamamlandıktan sonra Pandas'ı Python betiklerinizde içe aktarabilirsiniz:

# Importing pandas
import pandas as pd

print("Pandas imported successfully")

DataFrame Nedir?

DataFrame, Pandas'ta iki boyutlu, tablo biçiminde bir veri yapısıdır. Hesap tablosuna veya SQL tablosuna benzer.

Bir sözlükten, listeden veya harici bir dosyadan DataFrame oluşturabilirsiniz:

# Creating a DataFrame from a dictionary
data = {
    "Name": ["Alice", "Bob", "Charlie"],
    "Age": [25, 30, 35],
    "City": ["New York", "London", "Paris"]
}
df = pd.DataFrame(data)
print(df)

Dosyalardan Veri Okuma

Pandas; CSV, Excel ve JSON dosyaları gibi harici dosyalardaki verileri okumayı kolaylaştırır:

# Reading data from a CSV file
df = pd.read_csv("data.csv")
print(df.head())  # Displays the first 5 rows

DataFrame'i İnceleme

Bir DataFrame'in yapısını ve içeriğini head(), info() ve describe() gibi yöntemleri kullanarak inceleyebilirsiniz:

# Inspecting a DataFrame
df = pd.read_csv("data.csv")
print(df.info())  # Displays information about the DataFrame
print(df.describe())  # Provides statistical summaries

Verileri Filtreleme ve Seçme

Pandas, koşulları ve dizinlemeyi kullanarak satırları filtrelemenize ve sütunları kolayca seçmenize olanak tanır:

# Filtering and selecting data
filtered_df = df[df['Age'] > 30]  # Select rows where Age > 30
print(filtered_df[['Name', 'City']])  # Select specific columns

Veri Temizleme

Pandas; eksik değerleri ele alma, sütunları yeniden adlandırma ve yinelenenleri kaldırma gibi veri temizleme yöntemleri sağlar:

# Handling missing values
df.fillna(0, inplace=True)  # Replace NaN values with 0

# Renaming columns
df.rename(columns={"Name": "Full Name"}, inplace=True)

# Dropping duplicates
df.drop_duplicates(inplace=True)
print(df)

Toplama İşlemleri Gerçekleştirme

Pandas; verileri toplama, ortalama alma ve gruplama gibi toplama işlemlerini gerçekleştirmenize olanak tanır:

# Grouping and aggregating data
grouped = df.groupby('City')['Age'].mean()
print(grouped)  # Displays average age for each city

Pandas ile Yapılan Yaygın Hatalar

Kaçınmanız gereken bazı hatalar şunlardır:

• Eksik değerleri doğru şekilde ele almamak.
• Vektörleştirilmiş işlemler yerine verimsiz döngüler kullanmak.
• Verileri değiştiren işlemler için inplace=True belirtmeyi unutmak.

Ne Öğrendik?

Bu derste şunları öğrendiniz:

• Pandas'ı nasıl kuracağınızı ve içe aktaracağınızı.
• DataFrames'in yapısını ve nasıl oluşturulacağını.
• Pandas kullanarak verileri nasıl okuyacağınızı, temizleyeceğinizi, filtreleyeceğinizi ve toplayacağınızı.

Harika iş çıkardınız! Şimdi bir sonraki konuya geçelim.