Bu bölümde, pandas kullanarak veri birleştirmeye temel oluşturacağız. Join türlerini ve pandas’ın etkinliğini ve verimliliğini nasıl artırabileceğini öğreneceksin.

Veri birleştirme: gerçek hayatta bir zorunluluk

Verileri birleştirme ihtiyacı

Bölünmüş verilerle çalışmak

Tamamlayıcı verilerle çalışmak

Birleştirme

Satırları birleştirme

Yinelenen indekslerle satırları birleştirme

Sütunları birleştirme (concatenate)

Güç ve esneklik

İfade

Doğru İfadeler

Yanlış İfadeler

pandas ile birleştirmenin avantajları

Karmaşık birleştirmeler için basit kodlama

Veri birleştirmeye giriş

Bu bölümde, elektronik tabloda VLOOKUP formülleri kullanmaya benzer şekilde pandas ile veri birleştirmeyi öğreneceksin. Üç tür join hakkında bilgi edinecek ve ardından ilk türe, bire bir join'lere odaklanacaksın.

Birleştirme türleri

Bire bir join'ler

Bire-çoğa birleştirmeler

Çoktan çoğa birleştirmeler

Bire bir birleştirmelere daha yakından bakış

Çerçeveyi çözümlüyoruz.

VLOOKUP'u çoğaltma

İki veya daha fazla anahtar üzerinde birleştirme

Ortak verileri INNER JOIN ile birleştirme

Nesne tabanlı birleştirmeler

Temel inner join'ler

Farklı adlarla başa çıkma

Doğru birleştirme yöntemini seçme

VLOOKUP tarzı join'ler

Bu bölümde odağımız bire-çok ilişkiler olacak. Anahtar sütunların ilişkisini tanıma ve veri çerçevelerini sütuna göre birleştirme alıştırmaları yapacaksın. Ayrıca, iki veya daha fazla veri çerçevesini indekslerine göre nasıl birleştireceğini öğreneceksin.

"Çokluktan bire"

Çerçeve bölüm 2: bire-çok birleştirmeler

Bire-çok ilişkileri belirleme

Anahtar sütunlar üzerinde birleştirme

Yinelenen anahtarları kontrol etme

Bire-çok birleştirmeyi tamamlama

Dizin tabanlı birleştirmeler

Indekste birleştirme

Birden çok tabloyu birleştirme

Bire-çok birleştirmeyi gözden geçirme

Bire-çok join'ler

Son bölümde, zorlu verilerle karşılaştığında kullanabileceğin ileri düzey birleştirme tekniklerini öğreneceksin. Becerilerini sınayan bir vaka çalışması biçiminde kendi zorluğunla karşılaşacaksın.

Gerçek hayatta veri birleştirme

İndeksler ve sütunları karıştırmak

Sonekler ve göstergeler

Zaman verisiyle çalışmak

Zaman serilerini birleştirme

En yakın zamana eşleştirme

Özet ve vaka çalışması

Vaka çalışması meydan okuması - bölüm 1

Vaka çalışması meydan okuması - bölüm 2

Vaka çalışması meydan okuması - bölüm 3

İleri seviye join'ler

Games Plays

Players draft

Current players

Games

New weather data

İki veya daha fazla veri kümesini birleştirmek, gerçek dünyadaki hemen her analiz için gereklidir. Bunu daha önce elektronik tablolarda VLOOKUP ve benzeri işlevlerle yaptın. Python dünyasına geçerken bu deneyimin üzerine koyabilir misin? Evet! Bu derste, pandas ile veri kümelerini bir araya getirmenin inceliklerini öğreneceksin; pandas, tablolu verileri işlemek için Python’un altın standardıdır. Tanıdık bir elektronik tablo ortamında çerçevelenen National Football League (NFL) verilerini birleştirmek için pandas fonksiyonlarını uygulayacaksın. Bu becerilerle, pandas’ın gücünden yararlanıp daha büyük ve karmaşık veri kümelerini herhangi bir analize entegre edebileceksin.

Python for Spreadsheet Users

Python Pandas kütüphanesi ile tabloları etkili ve verimli bir şekilde birleştirmeyi öğrenin.

Elektronik Tablo Kullanıcıları için pandas Join'leri

Python Pandas kütüphanesini kullanarak tablo formatındaki veri kümelerini etkili ve verimli bir şekilde birleştirmeyi öğrenin.  

Birleştirme yaparken birden fazla sütun ya da indeks düzeyi üzerine, birleştirmeden (concatenate etmeden) bağlanabilirsin.

Python’daki birçok popüler Machine Learning paketi, girdi olarak pandas veri çerçevelerini kabul eder.

Tek bir ifadede yalnızca iki orijinal veri çerçevesini birleştirebilirsin.

Veri çerçevelerinin 16.777.216 satır (2\*\*22) sınırı vardır.

pandas ile birleştirmenin avantajları

Elektronik Tablo Kullanıcıları için pandas Join'leri

Uygulamalı etkileşimli egzersiz