Let’s master the pandas basics. Learn how to inspect DataFrames and perform fundamental manipulations, including sorting rows, subsetting, and adding new columns.

Introducing DataFrames

Inspecting a DataFrame

Parts of a DataFrame

Sorting and subsetting

Sorting rows

Subsetting columns

Subsetting rows

Subsetting rows by categorical variables

New columns

Adding new columns

Combo-attack!

Transforming DataFrames

In this chapter, you’ll calculate summary statistics on DataFrame columns, and master grouped summary statistics and pivot tables.

Summary statistics

Mean and median

Summarizing dates

Efficient summaries

Cumulative statistics

Counting

Dropping duplicates

Counting categorical variables

Grouped summary statistics

What percent of sales occurred at each store type?

Calculations with .groupby()

Multiple grouped summaries

Pivot tables

Pivoting on one variable

Fill in missing values and sum values with pivot tables

Aggregating DataFrames

Indexes are supercharged row and column names. Learn how they can be combined with slicing for powerful DataFrame subsetting.

Explicit indexes

Setting and removing indexes

Subsetting with .loc[]

Setting multi-level indexes

Sorting by index values

Slicing and subsetting with .loc and .iloc

Slicing index values

Slicing in both directions

Slicing time series

Subsetting by row/column number

Working with pivot tables

Pivot temperature by city and year

Subsetting pivot tables

Calculating on a pivot table

Slicing and Indexing DataFrames

Learn to visualize the contents of your DataFrames, handle missing data values, and import data from and export data to CSV files.

Verilerinizi görselleştirme

En popüler avokado boyutu hangisidir?

Zaman içinde satış değişimleri

Avokado arz ve talebi

Geleneksel ve organik avokadoların fiyatları

Eksik değerler

Eksik değerleri bulma

Eksik değerleri kaldırma

Eksik değerleri değiştirme

DataFrame’ler Oluşturma

Sözlük listesi

Liste sözlüğü

CSV dosyalarını okuma ve yazma

CSV’den DataFrame’e

DataFrame’den CSV’ye

Özet

Creating and Visualizing DataFrames

Verileri aynı anda birden fazla boyutta analiz etmeyi öğrenecek; özetleri eş zamanlı olarak birkaç kategoriye göre detaylandırarak ince ayrıntılı örüntüleri keşfedeceksiniz.

Birden Fazla Gruplandırma Sütunu

Özet istatistikleri kategorilere ayırmayı öğrenecek; böylece farklı gruplar arasındaki metrikleri karşılaştırabilecek ve verilerinizdeki örüntüleri keşfedebileceksiniz.

Tek Gruplandırma Sütunu

Ham verilerden anlamlı içgörüler elde etmenizi sağlayan toplamlar, ortalamalar ve sayımlar gibi temel istatistikleri hesaplayarak verileri özetlemeyi öğreneceksiniz.

Özet Değerler

Veri Toplulaştırma

Çok adımlı hesaplamaları yönetmeyi ve toplamların yüzdelerini hesaplamayı öğrenecek, böylece ara sonuçlara dayanan karmaşık metrikler oluşturabileceksiniz.

Karmaşık Dönüşümler

Mevcut verilerdeki değerleri birleştirip hesaplayarak yeni sütunlar oluşturmayı öğrenecek; böylece orijinal veri setinde yer almayan oranlar ve diğer metrikleri türetebileceksiniz.

Temel Dönüşümler

Veri Dönüştürme

Koşullara dayalı olarak verilerinizden belirli satırları ayıklamayı öğrenecek; böylece analizinizi ilgili alt kümelere odaklayabilecek, eksik değerleri ve metin kalıplarını yönetebileceksiniz.

Temel Filtreleme

Koşulları AND ve OR mantığıyla birleştirerek verileri aynı anda birden fazla kriterle filtrelemeyi ve tam olarak ihtiyacınız olan satırları ayıklamayı öğreneceksiniz.

Çoklu Koşullar

Karmaşık filtreleme işlemlerini, koşulları ayrı sütunlara bölerek basitleştirmeyi ve bir filtre sonucunun tersini alarak analizlerinizi daha şeffaf ve doğrulanabilir hale getirmeyi öğreneceksiniz.

Karmaşık Filtreleme

Veri Filtreleme

Belirli koşullara göre farklı hesaplamalar uygulamayı öğreneceksiniz; bu sayede değerleri standartlaştırabilecek, verileri kategorilere ayırabilecek ve verilerinizdeki çeşitli senaryoları yönetebileceksiniz.

Koşullu Dönüşüm

Yalnızca belirli kriterleri karşılayan değerleri içeren özetleri hesaplamayı öğrenecek; böylece her grup içinde "yalnızca gecikmiş uçuşların ortalaması" gibi ayrıntılı metrikleri hesaplayabileceksiniz.

Koşullu Toplulaştırma

Koşullu İşlemler

Avocado prices

Walmart sales

Homelessness data

Temperatures

Course Glossary: Data Manipulation with pandas

pandas, veri işlemeden veri analizine kadar her alanda kullanılan, dünyanın en popüler Python kütüphanesidir. Bu kursta, analiz için gerçek dünyadan veri kümelerini çıkarırken, filtrelerken ve dönüştürürken DataFrame’leri nasıl kullanacağınızı öğreneceksiniz. pandas kullanarak tüm temel veri bilimi kavramlarını keşfedeceksiniz. Walmart satış rakamları ve küresel sıcaklık zaman serileri gibi gerçek dünya verilerini kullanarak, pandas ile Python’un gücünü artırarak verileri içe aktarma, temizleme, istatistik hesaplama ve görselleştirme yapmayı öğreneceksiniz!

Videolar canlı transkriptler içerir. Bu transkriptlere videoların sol alt köşesindeki "Transkripti göster" seçeneğine tıklayarak erişebilirsiniz.

Ders sözlüğü, sağdaki kaynaklar bölümünde bulunabilir.

CPE kredisi almak için kursu tamamlamanız ve nitelikli değerlendirmede %70 puan almanız gerekir. Sağdaki CPE kredileri başlığına tıklayarak değerlendirmeye gidebilirsiniz.

pandas, veri manipülasyonundan veri analizine kadar her şey için kullanılan, dünyanın en popüler Python kütüphanesidir. Bu kursta, yanınızda bir Yapay Zeka Eğitmeni ile, analiz için gerçek dünya veri kümelerini toplarken, filtrelerken ve dönüştürürken DataFrame'leri nasıl işleyebileceğinizi öğreneceksiniz. pandas kullanarak Veri Bilimi’nde gerekli olan tüm temel veri işleme işlemlerini keşfedeceksiniz.

<h2>Pandas ile Veri Manipülasyonunu Keşfedin</h2>
Bu eğitim ile pandas'ın neden veri manipülasyonundan veri analizine kadar her şey için kullanılan dünyanın en popüler Python kütüphanesi olduğunu öğreneceksiniz. Analiz için gerçek dünya veri kümelerini ayıklarken, filtrelerken ve dönüştürürken DataFrame'leri nasıl manipüle edeceğinizi keşfedeceksiniz. 
<br><br>
Pandalar ile tüm temel veri bilimi kavramlarını keşfedeceksiniz. Walmart satış rakamları ve küresel sıcaklık zaman serileri de dahil olmak üzere gerçek dünya verilerini kullanarak, Python'un gücüne güç katmak için pandaları kullanarak nasıl içe aktaracağınızı, temizleyeceğinizi, istatistikleri hesaplayacağınızı ve görselleştirmeler oluşturacağınızı öğreneceksiniz.
<br><br>
<h2>Temel Veri Bilimi Kavramlarını Keşfetmek için pandas Verileri ile Çalışın</h2>
DataFrame'lerin nasıl inceleneceği ve bazı temel manipülasyonların nasıl gerçekleştirileceği de dahil olmak üzere pandas temellerini öğrenerek başlayacaksınız. Dilimleme ve indekslemeye geçmeden önce DataFrame'leri toplamayı da öğreneceksiniz. 
<br><br>
Kursu, haftalık ABD avokado satışlarını içeren bir veri kümesiyle çalışarak DataFrame'lerinizin içeriğini nasıl görselleştireceğinizi öğrenerek tamamlayacaksınız. 
<br><br>
<h2>DataFrame'leri Manipüle Etmeyi Öğrenin</h2>
Pandas eğitimini tamamlayarak bu Python kütüphanesini veri manipülasyonu için nasıl kullanacağınızı öğreneceksiniz. DataFrame'ler ve bunların nasıl kullanılacağı hakkında bilgi sahibi olacak ve verilerinizi Python'da görselleştirebileceksiniz.

Intermediate Python

Pandas kursu, veri çerçevelerini analiz için nasıl çıkaracağınızı, filtreleyeceğinizi ve dönüştüreceğinizi öğretir.

pandas ile Veri İşleme

pandas ile verileri içe aktarmayı ve temizlemeyi, istatistikleri hesaplamayı ve görselleştirmeler oluşturmayı öğrenin. 

Yardımcı Veri Bilimcisi  Python'da

Veri Analisti  Python'da

Veri Manipülasyonu  Python'da

Python Veri Temelleri

Avokado arz ve talebi

pandas ile Veri İşleme

Egzersiz talimatları

Uygulamalı etkileşimli egzersiz