Neler yapabileceksin
- pandas DataFrame'lerini head, tail, info, describe, shape ve memory_usage ile oluşturun ve inceleyin
- CSV, Parquet ve Excel dosyalarından tablo verisi yükleyin ve hızlarını ile boyutlarını karşılaştırın
- loc, iloc, boolean koşulları ve metin (string) metotlarıyla satır ve sütunları seçin, filtreleyin, sıralayın ve değiştirin
- Eksik değerleri yöneterek, tabloları birleştirip yan yana ekleyerek ve özel fonksiyonlar uygulayarak verileri temizleyin ve yeniden şekillendirin
- value_counts, groupby, pivot_table, shift, rank ve kaydırmalı pencerelerle (rolling) verileri özetleyin
- GitHub Copilot ve ChatGPT gibi yapay zeka asistanlarıyla pandas kodu üretin ve test edin
Önce bilmen iyi olur
- Değişkenler, fonksiyonlar ve listeler gibi temel Python sözdizimi
- Paket kurabilme ve bir terminali ya da sanal ortamı kullanabilme becerisi
- Elektronik tablolara aşinalık ve satır ile sütun kavramı
Müfredat
14 ders ve bir final projesi
- 1
pandas için Python ortamı kurma
Kurs projesini bilgisayarına alacak, bir sanal ortam oluşturup etkinleştirecek ve eğitimin ihtiyaç duyduğu kütüphaneleri kuracaksın. Ardından bir not defteri açıp bu ortamı seçecek ve pandas'ı import pandas as pd olarak içe aktaracaksın.
2 kod8 adım2 alıştırma3 soru - 2
DataFrame oluşturma ve yapısını inceleme
Bu derste pandas DataFrame'in ne olduğunu ve bunu adlandırılmış sütunlar ve adlandırılmış indeksle, bir liste listesinden nasıl oluşturacağını öğreneceksin. Ayrıca head, tail, columns, index, info, describe, nunique, shape ve size inceleme araçlarını ve unique fonksiyonunun tek bir sütun üzerinde nasıl çalıştığını öğreneceksin.
2 kod5 adım2 alıştırma3 soru - 3
Pandas ile CSV, Parquet ve Excel dosyalarını okumak
Bu derste pd.read_csv, pd.read_parquet ve pd.read_excel ile CSV, Parquet ve Excel dosyalarını pandas DataFrame'ine nasıl yükleyeceğini öğreneceksin. Ayrıca Excel dosyasından belirli bir sayfanın nasıl seçileceğini göreceksin. Dosya biçiminin dosya boyutunu ve yükleme hızını nasıl etkilediğini de göreceksin.
3 kod4 adım3 alıştırma3 soru - 4
head, loc, iloc ve at ile satır ve sütun seçme
Bir pandas DataFrame'inin başına ve sonuna bakmayı, loc (etikete göre) ve iloc (konuma göre) ile belirli satır ve sütunları seçmeyi öğreneceksin. Ayrıca tek bir değerin nasıl değiştirileceğini de göreceksin.
6 kod2 alıştırma4 soru - 5
Veri sıralama ve satırlar üzerinde döngü
Bu derste bir pandas DataFrame'ini bir veya daha fazla sütuna göre nasıl sıralayacağını, her sütun için artan ya da azalan düzeni nasıl kontrol edeceğini ve iterrows() ile satırlar üzerinde nasıl döngü kuracağını öğreneceksin. Ayrıca pandas'ın yerleşik yöntemlerinin neden genellikle döngüden daha iyi olduğunu da göreceksin.
4 kod5 adım3 alıştırma4 soru - 6
Koşullarla Satır Filtreleme, String Metodları ve Regex
Bu derste bir pandas DataFrame'inin yalnızca bir koşulla eşleşen satırlarını nasıl tutacağını, & ve | ile birden fazla koşulu nasıl birleştireceğini ve metin sütunlarını str.contains ile, düzenli ifadeler (regular expression) dahil, nasıl filtreleyeceğini öğreneceksin. Ayrıca bir filtreyi daha kısa yazmanın yolu olarak query metodunu da göreceksin.
4 kod5 adım3 alıştırma3 soru - 7
Adding, Dropping, Copying and Renaming Columns
Bu derste pandas DataFrame'ine yeni bir sütunun nasıl ekleneceğini öğreneceksin; bunun arasında np.where ile bir koşula bağlı olan sütun da var. Ayrıca sütunları nasıl sileceğini, yeniden adlandıracağını ve kopyalayacağını öğreneceksin. Bir değişikliğin orijinal DataFrame'i ne zaman değiştirdiğini, ne zaman sadece yeni bir DataFrame döndürdüğünü de göreceksin.
6 kod6 adım3 alıştırma4 soru - 8
String splitting, datetime conversion, and apply with custom functions
Bu derste metin sütunlarından str.split ile parça almayı, metin tarihleri datetime nesnelerine çevirip yıl gibi parçalarını okumayı ve apply ile lambda ya da özel fonksiyonlarla yeni sütunlar eklemeyi öğreneceksin. Her fikir videodaki athletes tablosu üzerinde gösterilir.
3 kod4 adım3 alıştırma4 soru - 9
DataFrame'leri birleştirme ve ekleme
İki DataFrame'i pd.merge ile ortak bir sütunda birleştirmeyi, birleşim türünü how= ile seçmeyi ve DataFrame'leri pd.concat ile alt alta yığmayı öğreneceksin. Ayrıca farklı adlı sütunları ve yinelenen sütun adlarını nasıl ele alacağını da göreceksin.
4 kod5 adım3 alıştırma3 soru - 10
Eksik değerleri işlemek: isna, fillna, interpolate ve dropna
Eksik değerler pandas'ta NaN olarak görünür; bunları isna ile bulabilir, fillna ile doldurabilir (sabit bir değer, ortalama ya da interpolasyonla) veya dropna ile kaldırabilirsin. Ayrıca eksik değer içeren satırları filtrelemeyi de öğreneceksin.
6 kod3 adım2 alıştırma3 soru - 11
Pandas'ta Sayma, Gruplama ve Pivot Tablo Oluşturma
Bu derste pandas'ta value_counts ile değerleri saymayı, sayımları filtrelerle birleştirmeyi ve groupby ile pivot tablolarla verileri özetlemeyi öğreneceksin. Her toplama işlemini küçük bir kahve satış tablosu üzerinde deneyip sonuçların şeklinin nasıl değiştiğini göreceksin.
5 kod4 adım4 alıştırma4 soru - 12
Shift, Rank, Cumulative Sums ve Rolling Windows in Pandas
Bu ders, pandas DataFrame'inde shift ile geriye ve satırlar arasına nasıl bakılacağını gösterir; yüzde değişimle değerleri karşılaştırmayı, sporcuları boya göre sıralamayı ve cumsum ile rolling pencereleriyle birikimli toplamlar oluşturmayı öğretir. Her aracı videodaki kahve ve sporcu verileri üzerinde deneyeceksin.
3 kod5 adım4 alıştırma3 soru - 13
Pandas 2.x ve PyArrow Arka Ucu
Bu ders, pandas 2.x'in verileri eski NumPy arka ucu yerine PyArrow arka ucuyla nasıl saklayabileceğini gösterir. Pandas sürümünü nasıl kontrol edeceğini, sütun türlerini info() ile nasıl karşılaştıracağını ve PyArrow türlerinin metin ve Boolean işlemlerini neden daha hızlı yapabildiğini öğreneceksin.
2 kod5 adım2 alıştırma3 soru - 14
AI assistants and wrap-up
This lesson shows how AI assistants such as Copilot Chat and ChatGPT can write pandas filters, make toy data frames to practise with, and draw plots, and how to use them wisely. It ends with a plan for continuing to practise pandas after the course.
1 kod5 adım3 alıştırma4 soru
Final projesi
Olimpiyat Sporcuları Analiz Raporu
Olimpiyat sporcu verilerini (biyografiler ve sonuçlar) yükleyen, temizleyen, birleştiren ve özetleyen; verilerle ilgili soruları yanıtlayan, yeniden üretilebilir bir not defteri oluştur. Kursun tüm aşamalarını kullanır: kurulum, yükleme, seçme, temizleme, gruplama ve çalışmanı kontrol etme.
Ücretsiz önizleme · 1. dersin tamamı
pandas için Python ortamı kurma
Kurs projesini bilgisayarına alacak, bir sanal ortam oluşturup etkinleştirecek ve eğitimin ihtiyaç duyduğu kütüphaneleri kuracaksın. Ardından bir not defteri açıp bu ortamı seçecek ve pandas'ı import pandas as pd olarak içe aktaracaksın.
Dersin komutlarını yaz, boz ve nedenini gör.
Kodu gerçek Python ve JavaScript ile çalıştır, değiştir.
Videonun yanında çiz ve yaz.
Fikir
pandas, genellikle elektronik tabloda tutacağın türden veri tablolarıyla çalışmak için kullanılan bir Python kütüphanesidir. Kullanmadan önce Python'un ve pandas'ın, projenin bulabileceği bir yerde kurulu olması gerekir. Bu bölüm, bilgisayarında sonraki her dersin aynı şekilde çalışması için adım adım kurulumu anlatır.
En kolay başlangıç tarayıcıda: bir Python not defteri sitesi açıp hiçbir kurulum yapmadan pandas'ı orada çalıştırabilirsin. Kendi bilgisayarında çalışmayı tercih edersen, videoda kurs deposu git ile klonlanıyor. Depo bağlantısını kopyalayıp bir terminal açıyor, code gibi bir klasöre geçip bu bağlantıyla git clone komutunu çalıştırıyorsun. Ardından, kullanacağın veri dosyalarını içeren complete-pandas-tutorial klasörüne cd ile giriyorsun.
Sırada sanal ortam var. Bu, tek bir proje için ayrılmış özel bir Python paket kutusudur; burada kurduğun kütüphaneler diğer projelerle karışmaz. Bunu proje klasöründe bir kez python3 -m venv tutorial komutuyla oluşturursun ve her çalışmaya başladığında etkinleştirirsin. Etkin olduğunda terminal satırının başında ortamın adı görünür. Mac ya da Linux'ta videoda source tutorial/bin/activate kullanılıyor. Windows'ta bunun yerine tutorial\Scripts\activate komutunu çalıştırırsın.
Ortam etkinken, kursun ihtiyaç duyduğu her şeyi gereksinim dosyasını kullanarak tek seferde kur: pip3 install -r requirements.txt. Bu komut dosyadaki paket listesini okuyup pandas ve yardımcı paketleri dahil hepsini kurar. Video bunun iyi bir uygulama olduğunu belirtiyor, ama paketleri ihtiyaç duydukça tek tek de kurabilirsin; tarayıcıdaki not defterlerinde ise hiçbir kurulum gerekmez.
Son olarak, proje klasörünü Visual Studio Code gibi bir editörde aç ve tutorial.ipynb gibi yeni bir not defteri dosyası oluştur. Not defteri, Python kodunu bloklar halinde tek tek çalıştırmanı ve her bloğun sonucunu altında görmeni sağlar. Kod çalıştırmadan önce, eğitim ortamına ait Python yorumlayıcısını seç (VS Code'da Mac'te Command+Shift+P, Windows'ta Control+Shift+P, ardından Select Interpreter seçip tutorial'ı seç). Sonra ilk denemeyi yap: hello world yazdır ve import pandas as pd satırını çalıştır. Hücre hata vermeden çalışırsa kurulum tamam demektir ve pandas kullanmaya hazırsın.
Ana noktalar
- Kurs deposunu git clone ile klonla ve veri dosyalarını almak için complete-pandas-tutorial klasörüne cd ile gir. 1:11
- Sanal ortam, bu projenin paketlerini bilgisayarındaki diğer her şeyden ayrı tutar. 1:55
- Ortam etkinken pip3 install -r requirements.txt komutuyla tüm kurs kütüphanelerini tek seferde kur. 2:41
- Herhangi bir kodu çalıştırmadan önce not defterinde tutorial sanal ortamını yorumlayıcı olarak seç. 3:44
- pandas için standart ilk satır import pandas as pd'dir; kursta her yerde pd takma adı kullanılır. 3:44
Bilmen gereken kelimeler
- Depo (repo)
- Verileri GitHub gibi çevrimiçi bir yerde saklanan proje klasörü; git clone ile bilgisayarına kopyalayabilirsin.
- Sanal ortam
- Tek bir proje için ayrılmış, diğer projelerden ayrı tutulan özel bir Python paket kümesi.
- pip
- Python paketlerini indiren ve kuran araç.
- Yorumlayıcı (interpreter)
- Kodunu çalıştıran Python programı. Not defteri, pandas'ın kurulu olduğu yorumlayıcıyı kullanmalıdır.
- Not defteri (notebook)
- Kodu hücre adı verilen ayrı bloklarda çalıştırdığın ve her birinin sonucunu altında gördüğün bir dosya (.ipynb).
- Takma ad (alias)
- Bir kütüphaneye verilen kısa ad. import pandas as pd satırında pd, pandas'ın takma adıdır.
Ekrandaki kod
print("hello world")import pandas as pdEtkin tutorial ortamında bir not defteri hücresinde çalıştır; pandas tarayıcıda mevcutsa orada da çalışır.
Alıştırma terminalinde birlikte yap
- Bir terminal açıp kodlar klasörüne geç. Göreceğin: Satır başında kodlar klasöründesin gösterilir.
$ cd code - Videonun GitHub sayfasından kopyaladığın bağlantıyla kurs deposunu klonla. Göreceğin: complete-pandas-tutorial adında yeni bir klasör, içinde veri dosyalarıyla birlikte görünür.
$ git clone https://github.com/KeithGalli/complete-pandas-tutorial.git Cloning into 'complete-pandas-tutorial'... remote: Enumerating objects: 29, done. Resolving deltas: 100% (7/7), done.
- Yeni proje klasörüne gir. Göreceğin: Komut satırı artık complete-pandas-tutorial % ile biter.
$ cd complete-pandas-tutorial - Proje içinde tutorial adında bir sanal ortam oluştur. Göreceğin: Hata mesajı olmadan proje içinde bir tutorial klasörü belirir.
$ python3 -m venv tutorial - Sanal ortamı etkinleştir (Mac/Linux). Windows'ta bunun yerine tutorial\Scripts\activate kullan. Göreceğin: Satırın başında (tutorial) yazısı görünür.
$ source tutorial/bin/activate - requirements.txt dosyasında listelenen tüm kütüphaneleri kur. Göreceğin: pip, pandas dahil paketleri kırmızı hata olmadan kurmayı bitirir.
$ pip3 install -r requirements.txt Installing collected packages: pytz, multipledispatch, tzdata, six, ... pandas-flavor, pyjanitor Successfully installed ...
- Proje klasörünü Visual Studio Code'da aç, tutorial.ipynb adında bir dosya oluştur, sonra tutorial ortamını yorumlayıcı olarak seç (Command+Shift+P veya Control+Shift+P, ardından Select Interpreter). Göreceğin: Not defteri, seçili çekirdek ya da yorumlayıcı olarak tutorial'ı gösterir.
- Bir not defteri hücresine print("hello world") yazıp çalıştır, sonra import pandas as pd yazıp çalıştır. Göreceğin: hello world yazısı çıkar ve pandas içe aktarımı hatasız çalışır.
$ import pandas as pd
Bilerek boz
$ pip3 install -r requirements.txt ERROR: Could not open requirements file: [Errno 2] No such file or directory: 'requirements.txt'Neden: pip, requirements.txt dosyasını bulunduğun klasörde arar. Dosyanın bulunabilmesi için önce cd complete-pandas-tutorial komutunu çalıştır.
$ source tutorial/bin/activate -bash: tutorial/bin/activate: No such file or directoryNeden: Ortam henüz oluşturulmamış ya da yanlış klasördesin. Önce proje klasöründe python3 -m venv tutorial komutunu çalıştır.
Dikkat
- Sanal ortam iyi bir uygulamadır ama zorunlu değildir; tarayıcıdaki bir not defterinde bunu atlayıp doğrudan pandas'ı çalıştırabilirsin. 2:27
- Ortamı terminalde etkinleştirmek notebook için yeterli değil: ayrıca editöründe tutorial yorumlayıcısını (interpreter) seçmelisin. 3:18
- Bir notebook'ta pandas içe aktarımı başarısız olursa, notebook muhtemelen pandas'ı kurduğun ortamdan farklı bir Python kullanıyordur. 3:44
Alıştırma
Kurulumunu kontrol et. Proje klasörünün içinde, ortam etkinken bir terminal aç ve kurulu pandas sürümünü yazdıran komutu çalıştır; ardından bir sürüm numarası yazdığını doğrula.
İpucu
Python, pandas'ı içe aktarıp __version__ özelliğini yazdırabilir. İki ifadeyi tek satırda python -c ile çalıştır.
Çözüm
- Komut isteminde (tutorial) yazdığından emin ol.
- Şunu çalıştır: python -c "import pandas as pd; print(pd.__version__)"
- 2.2.2 gibi bir sürüm numarası yazdırılırsa, bu pandas'ın bu ortamda kurulu olduğu anlamına gelir.
2.x.x gibi bir sürüm numarası hata olmadan yazdırılır.
Bir proje için neden pandas'ı bilgisayarın tamamına kurmak yerine sanal ortam oluşturduğumuzu kendi cümlelerinle açıkla.
İpucu
İki projenin aynı kütüphanenin farklı sürümlerine ihtiyaç duyduğunu düşün.
Çözüm
- Sanal ortam, bir projenin paketlerini birbirinden ayrı tutar.
- İki proje, birbirlerini bozmadan farklı pandas sürümleri kullanabilir ve requirements.txt içindeki liste aynı kurulumu başka bir yerde yeniden oluşturabilir.
Sanal ortam her projenin paketlerini birbirinden yalıtır; böylece farklı projeler farklı kütüphane sürümlerini çakışma olmadan kullanabilir ve kurulum requirements.txt dosyasından kolayca yeniden oluşturulabilir.
Karalama defterinde
Üç kutu çiz; bunlara Project, Environment ve Notebook adını ver ve notebook'un, pandas kurulu olan ortamın Python'unu kullandığını gösteren okları ekle.
Test
Kursun gereksinim dosyasındaki her kütüphaneyi kuran komut hangisidir?
- pip3 run requirements.txt
- git install requirements.txt
- pip3 install -r requirements.txt
- python requirements.txt --all
Cevabı göster
C. pip3 install -r requirements.txt · Videoda pip3 install -r requirements.txt kullanılıyor; burada -r, pip'e paket listesini dosyadan okumasını söyler.
2:41 o anı izleVideo, ortamı etkinleştirdikten sonra neden editörde tutorial yorumlayıcısını seçiyor?
- Notebook'un internete bağlanabilmesi için
- Notebook'un pandas'ın kurulduğu Python'u kullanması için
- Veri dosyalarının tarayıcıya kopyalanması için
- git'in depoyu klonlayabilmesi için
Cevabı göster
B. Notebook'un pandas'ın kurulduğu Python'u kullanması için · Notebook, ortamın Python'u ile çalışmalıdır; aksi halde orada kurduğun paketleri bulamaz.
3:18 o anı izleimport pandas as pd satırı ne yapar?
- Yeni bir elektronik tablo oluşturur
- Bilgisayarına pandas'ı kurar
- pandas sürümünü yazdırır
- pandas'ı yükler ve ona pd kısa adını verir
Cevabı göster
D. pandas'ı yükler ve ona pd kısa adını verir · pd takma adı kursta pandas'a atıfta bulunmak için boyunca kullanılır. Kurulum ise daha önce pip ile yapılır.
3:44 o anı izle
Beyond, Keith Galli kanalının “Complete Python Pandas Data Science Tutorial! (2025 Updated Edition)” videosundan yaptı. Video YouTube’un kendi oynatıcısında oynar. YouTube’da izle · Bütün dersler