Pandas Kütüphanesi
Kaya Ridvan

Pandas Kütüphanesi

Pandas k�t�phanesi, Python programlama dilinde veri analizi yapmak i�in tasarlanm�� bir k�t�phanedir. A��k kaynak kodlu ve �cretsizdir. Pandas k�t�phanesi, farkl� kaynaklardan veri okumak, verileri d�zenlemek, filtrelemek, gruplamak, birle�tirmek, istatistiksel analizler yapmak, g�rselle�tirmek gibi pek �ok i�lemi kolayca yapmam�z� sa�lar. Pandas k�t�phanesi, iki temel veri yap�s� kullan�r: Seri ve DataFrame.
Seri, tek boyutlu, etiketli ve indeksli bir veri yap�s�d�r. Seri i�indeki verilerin hepsi ayn� veri tipine sahip olmal�d�r. �rne�in, bir seri sadece say�sal de�erler, sadece metinsel de�erler veya sadece mant�ksal de�erler i�erebilir. Seri, bir Python listesi, s�zl�� veya NumPy dizisi gibi veri kaynaklar�ndan olu�turulabilir. Seri, indeks numaralar� veya etiketleri ile eri�ilebilir. Seri, verileri h�zl� ve verimli bir �ekilde i�lemek i�in optimize edilmi�tir.
DataFrame, iki boyutlu, etiketli ve indeksli bir veri yap�s�d�r. DataFrame, bir veya daha fazla seri i�erebilir. DataFrame i�indeki veriler, farkl� veri tiplerine sahip olabilir. �rne�in, bir DataFrame, say�sal, metinsel ve mant�ksal de�erler i�eren s�tunlardan olu�abilir. DataFrame, bir Python listesi, s�zl��, NumPy dizisi, CSV dosyas�, Excel dosyas� veya veri taban� tablosu gibi veri kaynaklar�ndan olu�turulabilir. DataFrame, s�tun isimleri veya indeks numaralar� ile eri�ilebilir. DataFrame, verileri tablo �eklinde g�stermek, s�ralamak, gruplamak, birle�tirmek gibi i�lemler i�in uygundur.
1. UYGULAMA
A�a��daki i�lem ad�mlar�n� takip ederek Pandas k�t�phanesini y�kleme ve Pandas serisi olu�turma i�lemlerini yapabilirsiniz.
1. Ad�m: Pandas k�t�phanesini y�kleme i�lemini yap�n�z.
import pandas as pd
2. Ad�m: Pandas serisine eklemek i�in bir boyutlu dizi olu�turunuz.
data = ["Ali","Veli","Can","Aylin"]
3. Ad�m: Olu�turulan diziden Pandas k�t�phanesini kullanarak bir seri olu�turunuz.
s1 = pd.Series(data)
s1
4. Ad�m: Say�lardan olu�an bir Pandas serisi olu�turunuz.
s2 = pd.Series([5,6,7,8])
s2
5. Ad�m: Karakterlerden olu�an bir NumPy dizisinden Pandas serisi olu�turunuz.
dizi = np.array([’p’,’y’,’t’,’h’,’o’,’n’])
s3 = pd.Series(dizi)
s3
6. Ad�m: Python s�zl�� zerinden seri olu�turma i�lemini yap�n�z.
dict = {"us":"Amerika","uk":"�ngiltere","jp":"Japonya"}
s4 = pd.Series(dict)
s4
Pandas DataFrame, iki boyutlu veri tablolar�d�r. Bu, verilerin sat�rlar ve s�tunlar �eklinde d�zenlenmi� bir �ekilde dizilmesi anlam�na gelir. Pandas DataFrame, verilerin yan� s�ra sat�r ve s�tunlar�n etiketlerini de i�erir. Pandas DataFrame olu�turmak i�in pandas k�t�phanesinin DataFrame adl� bir fonksiyonunu kullanabilirsiniz. �rne�in, ��yle bir DataFrame olu�turabilirsiniz:
python
import pandas as pd
data = {
"ad": ["Ali", "Veli", "Ay�e"],
"soyad": ["Y�lmaz", "Demir", "Kaya"],
"yas": [25, 32, 28]
}
df = pd.DataFrame(data)
print(df)
Bu kodda, data adl� bir s�zl�k tan�mlanm��t�r. Bu s�zl�kte, ad ve soyad ad�nda iki anahtar ve Ali, Veli ve Ay�e ad�nda �� de�er bulunmaktad�r. Bu de�erler de yas ad�nda bir de�ere sahiptir. Bu de�erlerin t�r� int64’d�r. df ad�nda bir DataFrame nesnesi olu�turulmu�tur. Bu nesne, data s�zl��ndeki her anahtar-de�er �iftini sat�r olarak al�r ve bunlar� s�tun olarak al�r. Son olarak, print fonksiyonu ile DataFrame’i ekrana yazd�r�r.
2. UYGULAMA
Pandas DataFrame olu�turma i�lemleri, Python’da tablo �eklinde veri yap�lar� olu�turmak i�in kullan�lan bir k�t�phanedir. Pandas DataFrame, s�tun ve sat�rlardan olu�an iki boyutlu bir veri yap�s�d�r. Pandas DataFrame olu�turmak i�in farkl� y�ntemler vard�r. A�a��da, bu y�ntemlerden birine ait ad�mlar� payla��yorum.
1. Ad�m: Bir Python listesi olu�turunuz. liste=[4,5,6,"d","e","f"]
Bu ad�mda, Python’da bir liste olu�turuyoruz. Liste, farkl� veri tiplerini i�erebilir. Liste, k��eli parantezler i�inde virg�lle ayr�lm�� elemanlardan olu�ur.
2. Ad�m: Olu�turulan listeyi kullanarak bir Pandas DataFrame olu�turunuz. df=pd.DataFrame(liste)
Bu ad�mda, Pandas k�t�phanesini pd olarak i�e aktar�yoruz. pd.DataFrame() fonksiyonu ile listeyi bir DataFrame’e d�n��t�r�yoruz. df de�i�kenine at�yoruz.
3. Ad�m: Olu�turulan DataFrame�de s�tun i�in etiket olu�turma i�lemini yap�n�z. df=pd.DataFrame(liste, columns=["Veriler"])
Bu ad�mda, DataFrame’in s�tununa bir isim veriyoruz. columns parametresi ile s�tun ismini belirtiyoruz. Bu �rnekte, s�tun ismi "Veriler" olarak se�tik.
4. Ad�m: �ki boyutlu bir liste olu�turunuz. data = [[’Can’,11],[’Zeynep’,14],[’Ahmet’,15]]
Bu ad�mda, iki boyutlu bir liste olu�turuyoruz. �ki boyutlu liste, i� i�e ge�mi� listelerden olu�ur. Bu �rnekte, her bir i� liste, bir ��rencinin ad�n� ve ya��n� i�eriyor.
5. Ad�m: Olu�turulan iki boyutlu listeden bir DataFrame olu�turma i�lemini yap�n�z. df = pd.DataFrame(data,columns=[’Ad’,’Ya�’])
Bu ad�mda, iki boyutlu listeyi bir DataFrame’e d�n��t�r�yoruz. columns parametresi ile s�tun isimlerini belirtiyoruz. Bu �rnekte, s�tun isimleri "Ad" ve "Ya�" olarak se�tik.
6. Ad�m: Bir liste s�zl��nden DataFrame olu�turma i�lemini yap�n�z. data = {’Ad’:[’Can’, ’Zeynep’, ’Ahmet’],’Ya�’:[11,14,15]}
Bu ad�mda, bir liste s�zl�� olu�turuyoruz. Liste s�zl��, anahtar-de�er �iftlerinden olu�ur. Anahtarlar, s�tun isimlerini, de�erler ise s�tun de�erlerini i�eren listeleri temsil eder. Bu �rnekte, "Ad" ve "Ya�" anahtarlar�na kar��l�k gelen listeleri olu�turduk.
df = pd.DataFrame(data)
df
Bu ad�mda, liste s�zl��n� bir DataFrame’e d�n��t�r�yoruz. df de�i�kenine at�yoruz. df’i yazd�r�yoruz.
7. Ad�m: DataFrame indeks de�erlerini de�i�tirme i�lemini yap�n�z. df = pd.DataFrame(data,index=[’Ogrenci1’,’Ogrenci2’, ’Ogrenci3’]) df
Bu ad�mda, DataFrame’in indeks de�erlerini de�i�tiriyoruz. index parametresi ile indeks de�erlerini belirtiyoruz. Bu �rnekte, indeks de�erleri "Ogrenci1", "Ogrenci2" ve "Ogrenci3" olarak se�tik. df’i yazd�r�yoruz.
PYTHON KODU
# Pandas k�t�phanesini i�e aktarma
import pandas as pd
# Bir Python listesi olu�turma
liste = [4,5,6,"d","e","f"]
# Listeyi bir DataFrame’e d�n��t�rme
df = pd.DataFrame(liste)
# DataFrame’in s�tununa isim verme
df = pd.DataFrame(liste, columns=["Veriler"])
# �ki boyutlu bir liste olu�turma
data = [[’Can’,11],[’Zeynep’,14],[’Ahmet’,15]]
# �ki boyutlu listeyi bir DataFrame’e d�n��t�rme
df = pd.DataFrame(data,columns=[’Ad’,’Ya�’])
# Bir liste s�zl�� olu�turma
data = {’Ad’:[’Can’, ’Zeynep’, ’Ahmet’],’Ya�’:[11,14,15]}
# Liste s�zl��n� bir DataFrame’e d�n��t�rme
df = pd.DataFrame(data)
# DataFrame’i yazd�rma
print(df)
# DataFrame’in indeks de�erlerini de�i�tirme
df = pd.DataFrame(data,index=[’Ogrenci1’,’Ogrenci2’,’Ogrenci3’])
# DataFrame’i yazd�rma
print(df)
#Yazan R�dvan Kaya
Pandas Seri / DataFrame �ncelemesi, verilerin nas�l d�zenlendi�ini, analiz edildi�ini ve g�rselle�tirildi�ini anlamak i�in kullan�lan bir y�ntemdir. Pandas, Python programlama dilinde veri i�leme i�in pop�ler bir k�t�phanedir. Pandas, verileri tablo �eklinde saklar ve manip�le etmek i�in �e�itli fonksiyonlar sunar. Bu fonksiyonlardan baz�lar� �unlard�r:
- pandas.Series: Bir s�tun veya dizinin pandas nesnesidir. Bir s�tun veya dizinin her eleman�na bir de�er atayabilir ve bu de�eri istedi�iniz �ekilde i�leyebilirsiniz.
- pandas.DataFrame: Bir tablonun pandas nesnesidir. Bir tablonun sat�r ve s�tunlar�n� belirleyebilir ve bu sat�r ve s�tunlara eri�ebilirsiniz.
- pandas.to_frame(): Bir pandas.Series veya pandas.DataFrame nesnesini bir DataFrame nesnesine d�n��t�rmenizi sa�lar.
- pandas.DataFrame.plot(): Bir DataFrame nesnesinin grafi�ini olu�turman�z� sa�lar. Grafi�i �e�itli �ekillerde (�ubuk, pasta, nokta vb.) g�sterebilirsiniz.
Pandas Seri / DataFrame �ncelemesi yapmak i�in, �ncelikle verilerinizi bir DataFrame nesnesine d�n��t�rmeniz gerekir. Sonra, bu DataFrame nesnesinin �zelliklerini (s�tun isimleri, veri tipleri, boyutlar vb.) inceleyebilirsiniz. Ayr�ca, bu DataFrame nesnesinin i�indeki verileri istedi�iniz �ekilde filtreleyebilir, gruplayabilir, toplayabilir veya hesaplayabilirsiniz. Son olarak, bu i�lemleri yaparken sonu�lar� grafik olarak g�rselle�tirebilirsiniz.
�rne�in, a�a��daki kod par�as� 2020 y�l�nda T�rkiye’deki ortalama hava s�cakl��na ili�kin verileri i�eren bir DataFrame nesnesi olu�turur:
python
import pandas as pd
# Verileri okuyal�m
df = pd.read_csv("turkey_weather.csv")
# Verilerin ilk be� sat�r�n� yazd�ral�m
print(df.head())
Bu kod par�as�n�n ��kt�s� ��yledir:
date temp humidity wind speed pressure
0 2020-01-01 -2.5 88 9.8 1016
1 2020-01-02 -1.8 89 9.7 1014
2 2020-01-03 0.3 90 9.6 1013
3 2020-01-04 1.6 91 9.5 1012
4 2020-01-05 -1.7 ... ... ...
Bu DataFrame nesnesinin �zelliklerini incelemek i�in �u komutlar� kullanabilirsiniz:
python
# S�tun isimlerini yazd�ral�m
print(df.columns)
# Veri tiplerini yazd�ral�m
print(df.dtypes)
# Boyutlar�n� yazd�ral�m
print(df.shape)
# Sat�r say�s�n� yazd�ral�m
print(df.size)
Bu komutlar�n ��kt�s� ��yledir:
Index([’date’, ’temp’, ’humidity’, ’wind speed’, ’pressure’], dtype=’object’)
date object
temp float64
humidity float64
wind speed float64
pressure float64
dtype: object
(5 rows x 5 columns)
(5 rows x ... columns)
(5 rows x ... columns)
(5 rows x ... columns)
5 ...
Name: date, dtype: int64
(5 rows x ... columns)
Bu DataFrame nesnesinin i�indeki verileri incelemek i�in �u komutlar� kullanabilirsiniz:
python
# T�m sat�rlar� yazd�ral�m (head())
print(df.tail())
# T�m s�tunlar� yazd�ral�m (columns())
print(df.columns.tolist())
3. UYGULAMA
Pandas Seri / DataFrame inceleme i�lemleri yapmak i�in a�a��daki ad�mlar� takip edin.
1. Ad�m: 1 ile 100 aras�nda rastgele say�lardan olu�an iki boyutlu bir NumPy dizisi olu�turunuz.
data=np.random.randint(1,100,size=(3,3))
2. Ad�m: Olu�turulan NumPy dizisinden Pandas DataFrame olu�turunuz. df=pd.DataFrame(data, columns=["x1","x2","x3"])
3. Ad�m: Olu�turulan DataFrame�in indeks, veri t�r� ve bellek bilgilerini g�r�nt�leme i�lemlerini yap�n�z. df.info()
4. Ad�m: Olu�turulan DataFrame�in sat�r ve s�tun bilgilerini g�r�nt�leme i�lemlerini yap�n�z. df.axes
5. Ad�m: Olu�turulan DataFrame�in boyut bilgilerini g�r�nt�leme i�lemini yap�n�z. df.shape
6. Ad�m: Olu�turulan DataFrame�in boyutunu g�r�nt�leme i�lemini yap�n�z. df.ndim
7. Ad�m: Olu�turulan DataFrame�in eleman say�s�n� g�r�nt�leme i�lemini yap�n�z. df.size
8. Ad�m: Olu�turulan DataFrame�in i�indeki eleman de�erlerini g�r�nt�leme i�lemini yap�n�z.
df.values
9. Ad�m: Olu�turulan DataFrame�in ilk 5 sat�r�n� g�r�nt�leme i�lemini yap�n�z.
df.head()
10. Ad�m: Olu�turulan DataFrame�in son 5 sat�r�n� g�r�nt�leme i�lemini yap�n�z.
df.tail()
Bu ad�mlar� kendi de�erlerinize g�re de�i�tirerek farkl� sonu�lar elde edebilirsiniz.
�rne�in, data = np.random.randint(10,20,size=(3,4)) �eklinde bir NumPy dizisi olu�tursan�z, df.head() size 5 sat�r verirken, df.tail() size 5 sat�r vermez.
Ayr�ca, data = np.random.randint(1,100,size=(3,3)) �eklinde bir NumPy dizisi olu�tursan�z, df.values size [0] x [0] x [0] x [0] = 9 x 9 x 9 x 9 = 6561 eleman de�erine sahiptir.
Python Kodu
Python kodunu yazmak i�in a�a��daki ad�mlar� takip edebilirsiniz.
1. Ad�m: NumPy k�t�phanesini i�e aktar�n.
python
import numpy as np
2. Ad�m: 1 ile 100 aras�nda rastgele say�lardan olu�an iki boyutlu bir NumPy dizisi olu�turun.
python
data = np.random.randint(1,100,size=(3,3))
3. Ad�m: Pandas k�t�phanesini i�e aktar�n.
python
import pandas as pd
4. Ad�m: Olu�turulan NumPy dizisinden Pandas DataFrame olu�turun.
python
df = pd.DataFrame(data, columns=["x1","x2","x3"])
5. Ad�m: Olu�turulan DataFrame�in indeks, veri t�r� ve bellek bilgilerini g�r�nt�leyin.
python
df.info()
6. Ad�m: Olu�turulan DataFrame�in sat�r ve s�tun bilgilerini g�r�nt�leyin.
python
df.axes
7. Ad�m: Olu�turulan DataFrame�in boyut bilgilerini g�r�nt�leyin.
python
df.shape
8. Ad�m: Olu�turulan DataFrame�in boyutunu g�r�nt�leyin.
python
df.ndim
9. Ad�m: Olu�turulan DataFrame�in eleman say�s�n� g�r�nt�leyin.
python
df.size
10. Ad�m: Olu�turulan DataFrame�in i�indeki eleman de�erlerini g�r�nt�leyin.
python
df.values
11. Ad�m: Olu�turulan DataFrame�in ilk 5 sat�r�n� g�r�nt�leyin.
python
df.head()
12. Ad�m: Olu�turulan DataFrame�in son 5 sat�r�n� g�r�nt�leyin.
python
df.tail()
Sosyal Medyada Paylaşın:

Kaya Ridvan Şiirleri

En Çok Okunan Şiirleri

Bir Veri Setinden Ürün Tahmini Yapmak İçin Bir Makine Öğrenmesi Modeli Eğitmek CANVA VE HeyGen Kullanarak Yapay Zekayla Konuşan Avatar Videoları Oluşturma PYTHONLA YAPAY ZEKALI HASTALIK DANIŞMA CHATBOTU UYGULAMALI ETKİLİ PROMPT ÖRNEKLERİ YAPAY ZEKA DİL MODELİ BİNG'İ KANDIRMAK İÇİN PROMPTLAR Şizofreni Hastalarının Konuşma Ve Yazma Metinlerinden PANSS (Pozitif ve Negatif Sendrom Ölçeği) Skorlarını Tahmin Etmek İçin Bir Makine Öğrenmesi Projesi Pandas Seri / DataFrame Birleştirme Depresyon Veri Setini Kullanarak Bir Yapay Sinir Ağı Modeli Oluşturmak ve Eğitmek PYTHONLA ALLAH'IN VARLIĞINI İSPATLAMAK PYTHONLA BİTKİ HASTALIKLARINI TANIYAN BİR SİNİR AĞI MODELİNİ EĞİTMEK VE DEĞERLENDİRMEK

Anasayfa

Şiirler

Yazılar

Forum

Nedir?

Kitap

Bi Cümle

İletişim

Pandas Kütüphanesi