0Pricing
Python Academy · Ders

Series ve DataFrame Temelleri

Çeşitli kaynaklardan Pandas veri yapılarını oluşturun ve inceleyin.

Series ve DataFrame Temelleri, CoddyKit'te ücretsiz bir Python Academy dersidir. Bu, 4 dersinin 1. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Python Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Python Academy kursu toplamda 4 dersten oluşur.

Pandas Nedir?

Pandas, NumPy üzerine kurulmuş ve veri analizi için optimize edilmiş Series (1 boyutlu etiketli dizi) ile DataFrame (2 boyutlu etiketli tablo) yapılarını sağlar.

import pandas as pd

s = pd.Series([10, 20, 30], index=["a","b","c"])
print(s)
# a    10
# b    20
# c    30

Series Oluşturma

Bir listeden, sözlükten veya skaler değerden Series oluşturun. Dizin varsayılan olarak 0 tabanlı tamsayılardan oluşur.

import pandas as pd

# From list:
s1 = pd.Series([1, 2, 3])

# From dict (keys become index):
s2 = pd.Series({"x": 10, "y": 20})

# Scalar (broadcast):
s3 = pd.Series(5, index=range(4))
print(s3)   # 0 5 / 1 5 / 2 5 / 3 5

DataFrame Oluşturma

Listelerden oluşan bir sözlükten, sözlüklerden oluşan bir listeden veya bir NumPy dizisinden DataFrame oluşturun.

import pandas as pd

df = pd.DataFrame({
    "name": ["Alice","Bob","Carol"],
    "age":  [30, 25, 35],
    "score":[95.5, 87.0, 92.3]
})
print(df)

Temel İnceleme

head(), tail(), shape, dtypes, info(), describe() — yeni bir veri kümesiyle çalışmaya başlarken atacağınız ilk adımlar.

import pandas as pd

df = pd.read_csv("data.csv")
print(df.head())       # first 5 rows
print(df.shape)        # (rows, cols)
print(df.dtypes)       # column types
print(df.describe())   # count, mean, std, min...

Sütunlara Erişim

Bir sütuna nokta gösterimiyle veya köşeli parantezlerle erişin. Sütun adlarında boşluk varsa ya da sütun adları DataFrame öznitelikleriyle çakışıyorsa nokta gösterimi başarısız olur.

import pandas as pd

df = pd.DataFrame({"age":[30,25], "city":["NY","LA"]})
print(df["age"])       # preferred
print(df.age)          # also works if name is simple
print(df[["age","city"]])  # multiple columns

İndeks Temelleri

İndeks, satırları etiketler. Varsayılan olarak 0, 1, 2... değerlerini kullanır; ancak hash'lenebilir herhangi bir değere ayarlanabilir.

import pandas as pd

df = pd.DataFrame({"val":[10,20,30]}, index=["a","b","c"])
print(df.loc["b"])     # row with label b
print(df.index)        # Index(['a','b','c'])

# Reset to default integer index:
df.reset_index(drop=True, inplace=True)

Sütun Ekleme ve Kaldırma

Yeni bir anahtara atama yaparak sütun ekleyin. Bir sütunu kaldırmak için drop() kullanın.

import pandas as pd

df = pd.DataFrame({"a":[1,2,3],"b":[4,5,6]})
df["c"] = df["a"] + df["b"]   # new column
df.drop(columns=["b"], inplace=True)
print(df)

Series Hizalama

Series birleştirilirken Pandas, indekslere göre hizalama yapar. Eşleşme bulunamayan değerler NaN üretir.

import pandas as pd

s1 = pd.Series([1,2,3], index=["a","b","c"])
s2 = pd.Series([10,20], index=["b","c"])
print(s1 + s2)
# a     NaN
# b    12.0
# c    23.0

to_dict ve to_list

Bir DataFrame veya Series'i dışa aktarma ya da inceleme amacıyla yeniden standart Python yapılarına dönüştürün.

import pandas as pd

df = pd.DataFrame({"x":[1,2],"y":[3,4]})
print(df.to_dict("records"))
# [{'x': 1, 'y': 3}, {'x': 2, 'y': 4}]

print(df["x"].to_list())
# [1, 2]

Dosya Okuma

Pandas, CSV, Excel, JSON, Parquet ve SQL verilerini doğrudan DataFrames içine okur.

import pandas as pd

df_csv    = pd.read_csv("data.csv")
df_excel  = pd.read_excel("data.xlsx", sheet_name="Sheet1")
df_json   = pd.read_json("data.json")
df_parq   = pd.read_parquet("data.parquet")
# pd.read_sql("SELECT * FROM table", conn)

Dosya Yazma

DataFrames'i CSV, Excel, JSON ve Parquet olarak dışa aktarın.

import pandas as pd

df = pd.DataFrame({"a":[1,2],"b":[3,4]})
df.to_csv("out.csv", index=False)
df.to_json("out.json", orient="records")
df.to_parquet("out.parquet")

Hızlı Kontrol

df.describe() ne döndürür?

Özet

Series, 1 boyutlu etiketli bir dizidir; DataFrame ise 2 boyutlu etiketli bir tablodur. Sütunlara df["col"] ile erişin. Hızlı inceleme için head(), describe() ve info() kullanın. Yerleşik işlevlerle CSV, Excel, JSON ve Parquet okuyup yazın.

Sıkça Sorulan Sorular

“Series ve DataFrame Temelleri” dersi ücretsiz mi?

Evet — “Series ve DataFrame Temelleri” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Python Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Python Academy kursu toplamda 4 dersten oluşur.

“Series ve DataFrame Temelleri” dersinde ne öğreneceğim?

Çeşitli kaynaklardan Pandas veri yapılarını oluşturun ve inceleyin. Python Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

Python Academy öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te Python Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 1. dersidir.

“Series ve DataFrame Temelleri” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu Python Academy dersinde kod yazıp çalıştırabilir miyim?

Evet. Her Python Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

  1. Series ve DataFrame Temelleri
  2. İndeksleme, Filtreleme ve Mantıksal Maskeler
  3. GroupBy, Birleştirme ve Özet Tablolar
  4. Birleştirme, Katılma ve Veri Temizleme
← Python Academy Sayfasına Dön