Python

Python Pandas Modülü

Herkese merhaba, Python yazılarımıza kaldığımız yerden devam ediyoruz. Bu yazımızda Pandas modülünü anlatacağım. Hadi başlayalım !

Python dilinde kullanılan birçok kütüphane arasında Pandas, veri manipülasyonu için sıklıkla kullanılan bir kütüphanedir. Pandas, büyük veri setlerini etkili bir şekilde işlemek, veri önişleme, veri analizi, veri keşfi ve veri görselleştirme gibi işlemleri gerçekleştirmek için kullanılan bir araçtır. Pandas kütüphanesi ile veri manipülasyonu oldukça kolaylaştırılmıştır.

Kurulum

Pandas kütüphanesi, pip aracılığıyla kolayca yüklenir. Aşağıdaki komutu kullanarak Pandas kütüphanesini yükleyebilirsiniz:

pip install pandas

Yapı

Pandas, iki temel veri tipi olan Seriler ve DataFrame’lerden oluşur. Bir Seri, tek boyutlu bir veri yapısıdır ve bir DataFrame ise çok boyutlu bir veri yapısıdır. DataFrame, Serilerin birleştirilmesiyle oluşur ve tablo benzeri bir yapıdadır.

Kullanım

Seriler

Bir Seri oluşturmak için, pandas kütüphanesinin Series() fonksiyonunu kullanabilirsiniz. Aşağıdaki örnekte, bir Seri oluşturulurken bir Python listesi kullanılmıştır:

import pandas as pd

my_list = [10, 20, 30, 40, 50]
my_series = pd.Series(my_list)

print(my_series)

Çıktı:

0    10
1    20
2    30
3    40
4    50
dtype: int64

DataFrame’ler

Bir DataFrame oluşturmak için, pandas kütüphanesinin DataFrame() fonksiyonunu kullanabilirsiniz. Aşağıdaki örnekte, bir DataFrame oluşturmak için bir Python sözlüğü kullanılmıştır:

import pandas as pd

my_dict = {'name': ['Ali', 'Ayşe', 'Ahmet', 'Fatma', 'Mehmet'],
           'age': [20, 25, 30, 35, 40],
           'gender': ['male', 'female', 'male', 'female', 'male']}

my_dataframe = pd.DataFrame(my_dict)

print(my_dataframe)

Çıktı:

     name  age  gender
0     Ali   20    male
1    Ayşe   25  female
2   Ahmet   30    male
3   Fatma   35  female
4  Mehmet   40    male

Veri Dosyaları Okuma ve Yazma

Pandas, birçok farklı veri dosyası formatını okuyabilir ve yazabilir. Aşağıdaki örneklerde, bir CSV dosyası okunur ve bir Excel dosyasına yazılır:

import pandas as pd

# CSV dosyası okuma
my_data = pd.read_csv('my_data.csv')

# Excel dosyasına yazma
my_data.to_excel('my_data.xlsx')

Veri Seçimi ve Filtreleme

Pandas, veri seçimi ve filtreleme için birçok seçenek sunar. Aşağıdaki örnekte, bir DataFrame’den belirli bir sütun seçilir ve belirli bir koşulu sağlayan satırlar filtrelenir:

import pandas as pd

my_dict = {'name': ['Ali', 'Ayşe', 'Ahmet', 'Fatma', 'Mehmet'],
           'age': [20, 25, 30, 35, 40],
           'gender': ['male', 'female', 'male', 'female', 'male']}

my_dataframe = pd.DataFrame(my_dict)

# Sadece name sütununu seçme
name_column = my_dataframe['name']

# Yaşları 30'dan büyük olan satırları filtreleme
age_filter = my_dataframe['age'] > 30
filtered_data = my_dataframe[age_filter]

print(name_column)
print(filtered_data)

Çıktı:

0       Ali
1      Ayşe
2     Ahmet
3     Fatma
4    Mehmet
Name: name, dtype: object

     name  age  gender
3   Fatma   35  female
4  Mehmet   40    male

Veri Gruplama ve Toparlama

Pandas, verileri gruplama ve toplama işlemleri için kullanılabilir. Aşağıdaki örnekte, bir DataFrame’deki veriler belirli bir kritere göre gruplandırılır ve toplam yaşı hesaplanır:

import pandas as pd

my_dict = {'name': ['Ali', 'Ayşe', 'Ahmet', 'Fatma', 'Mehmet'],
           'age': [20, 25, 30, 35, 40],
           'gender': ['male', 'female', 'male', 'female', 'male']}

my_dataframe = pd.DataFrame(my_dict)

# Cinsiyete göre gruplama ve yaşların toplamını hesaplama
total_age_by_gender = my_dataframe.groupby('gender')['age'].sum()

print(total_age_by_gender)

Çıktı:

gender
female    60
male     90
Name: age, dtype: int64

Veri Görselleştirme

Pandas, verileri görselleştirmek için de kullanılabilir. Aşağıdaki örnekte, bir DataFrame’deki veriler bir grafik olarak gösterilir:

import pandas as pd
import matplotlib.pyplot as plt

my_dict = {'name': ['Ali', 'Ayşe', 'Ahmet', 'Fatma', 'Mehmet'],
           'age': [20, 25, 30, 35, 40],
           'gender': ['male', 'female', 'male', 'female', 'male']}

my_dataframe = pd.DataFrame(my_dict)

# Yaşa göre grafik çizdirme
my_dataframe.plot(kind='bar', x='name', y='age')
plt.show()

Veri Manipülasyonu

Pandas, veri manipülasyonu için birçok seçenek sunar. Aşağıdaki örnekte, bir DataFrame’deki veriler belirli bir sütunun değerlerine göre sıralanır:

import pandas as pd

my_dict = {'name': ['Ali', 'Ayşe', 'Ahmet', 'Fatma', 'Mehmet'],
           'age': [20, 25, 30, 35, 40],
           'gender': ['male', 'female', 'male', 'female', 'male']}

my_dataframe = pd.DataFrame(my_dict)

# Yaşa göre sıralama
sorted_data = my_dataframe.sort_values('age')

print(sorted_data)

Çıktı:

    name  age  gender
0    Ali   20    male
1   Ayşe   25  female
2  Ahmet   30    male
3  Fatma   35  female
4  Mehmet  40    male

Veri Birleştirme

Pandas, veri birleştirme için de kullanılabilir. Aşağıdaki örnekte, iki farklı DataFrame birleştirilir:

import pandas as pd

my_dict1 = {'name': ['Ali', 'Ayşe', 'Ahmet'],
            'age': [20, 25, 30],
            'gender': ['male', 'female', 'male']}

my_dict2 = {'name': ['Fatma', 'Mehmet', 'Zeynep'],
            'age': [35, 40, 45],
            'gender': ['female', 'male', 'female']}

my_dataframe1 = pd.DataFrame(my_dict1)
my_dataframe2 = pd.DataFrame(my_dict2)

# İki DataFrame'i birleştirme
merged_data = pd.concat([my_dataframe1, my_dataframe2])

print(merged_data)

Çıktı:

     name  age  gender
0     Ali   20    male
1    Ayşe   25  female
2   Ahmet   30    male
0   Fatma   35  female
1  Mehmet   40    male
2  Zeynep   45  female

Veri Temizleme

Pandas, veri temizleme işlemleri için de kullanılabilir. Aşağıdaki örnekte, bir DataFrame’deki eksik veriler doldurulur:

import pandas as pd
import numpy as np

my_dict = {'name': ['Ali', 'Ayşe', np.nan, 'Fatma', 'Mehmet'],
           'age': [20, np.nan, 30, 35, np.nan],
           'gender': ['male', 'female', 'male', np.nan, 'male']}

my_dataframe = pd.DataFrame(my_dict)

# Eksik verileri doldurma
filled_data = my_dataframe.fillna('Unknown')

print(filled_data)

Çıktı:

      name      age   gender
0      Ali       20     male
1     Ayşe  Unknown   female
2  Unknown       30     male
3    Fatma       35  Unknown
4   Mehmet  Unknown     male

Veri İşleme Hızı

Pandas, büyük veri kümeler üzerinde hızlı bir şekilde çalışır. Aşağıdaki örnekte, 1 milyon satırlık bir DataFrame oluşturulur ve bazı işlemler gerçekleştirilir:

import pandas as pd
import numpy as np

# 1 milyon satırlık bir DataFrame oluşturma
data = pd.DataFrame(np.random.randint(0, 100, (1000000, 4)), columns=list('ABCD'))

# A sütununun ortalamasını alma
mean_a = data['A'].mean()

# B sütununda 50'den büyük olan değerlerin sayısını alma
count_b = data[data['B'] > 50]['B'].count()

# C ve D sütunlarını toplama
sum_cd = data[['C', 'D']].sum()

print('Mean of column A:', mean_a)
print('Count of values in column B that are greater than 50:', count_b)
print('Sum of columns C and D:', sum_cd)

Çıktı:

Mean of column A: 49.986489
Count of values in column B that are greater than 50: 500506
Sum of columns C and D: C    5000282
                     D    5002424
                     dtype: int64

Veri Görselleştirme

Pandas, verileri görselleştirmek için de kullanılabilir. Aşağıdaki örnekte, bir DataFrame’deki veriler bir histogramda gösterilir:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 1000 satırlık bir DataFrame oluşturma
data = pd.DataFrame(np.random.randn(1000, 1), columns=['A'])

# Histogramı çizme
data.hist(bins=50)
plt.show()

Veri İçe Aktarma ve İhracat

Pandas, farklı dosya formatlarındaki verileri içe aktarabilir veya verileri farklı dosya formatlarına dışa aktarabilir. Aşağıdaki örnekte, bir CSV dosyasındaki veriler bir DataFrame’e içe aktarılır ve bir Excel dosyasına dışa aktarılır:

import pandas as pd

# CSV dosyasındaki verileri DataFrame'e aktarma
my_dataframe = pd.read_csv('my_data.csv')

# DataFrame'deki verileri Excel dosyasına aktarma
my_dataframe.to_excel('my_data.xlsx', index=False)

Özet

Bu makalede, Pandas modülünün kurulumu, kullanımı, yapısı ve özellikleri hakkında bilgi edindik. Pandas, veri manipülasyonu, veri birleştirme, veri temizleme, veri işleme hızı, veri görselleştirme, veri içe aktarma ve ihracat gibi birçok işlem için kullanılabilir. Pandas, Python için güçlü bir veri analizi aracıdır ve veri analizinin birçok yönünü ele almak için kullanılabilir.

Evet Python’da Pandas modülü bu şekilde. Tüm Python yazılarımıza buraya tıklayarak ulaşabilirsiniz. Herkese hayırlı günler.

Skorumuz:
Oy Vermek İçin Tıklayın
[Toplam: 0 Ortalama: 0]

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Başa dön tuşu