Python DataScience - Veri Bilimi (Pandas, Numpy, Matplotlib)

About Python DataScience - Veri Bilimi (Pandas, Numpy, Matplotlib)

Python Mucizesi – Veri Bilimi eğitimine hoş geldiniz.

Temel Gereksinimler

Öncelikle Python biliyor olmanız gerekmektedir. Bu kapsamda Python’ı temelden uzman seviyesine kadar öğrenebileceğiniz Python Mucizesi - Temel, Orta ve İleri Düzey eğitimini ücretsiz talep edebilirsiniz. Nasıl yapılacağı size gelen açılış mesajında olacaktır.

Bu eğitim, detaylı olup diğer eğitimlerde sadece 1-2 saat gibi kısa sürelerde anlatılmıştır. Biz ise çok daha uzman ve detaylı seviyede anlatıyoruz. Başka eğitimlerde Veri Bilimi adı altında verilen eğitimlerde Python baştan itibaren anlatılmakta olup bu kapsamda süre israfı olmaktadır. Bu eğitim, rakip eğitimlere kıyaslandığında 1-2 saatte anlatılan eğitimleri 20 saat olarak çok detaylı ve bol örnekle anlatmaktadır. Yine diğer eğitimlerde Veri Bilimi adı altında Python baştan sona anlatılmakta ve böyle sanki veri bilimi bu süre uzunluğunda anlatılmış gibi yapılmakla birlikte bu eğitimde ise sadece veri bilimi anlatılmış ve gereksiz yere Python baştan anlatılmamıştır. Eğer Python dilini baştan almak isterseniz de diğer eğitimimiz olan Python Mucizesi - Temel, Orta ve İleri Düzey eğitimini zaten ücretsiz veriyoruz.

Bu eğitimde 3 ana kütüphane anlatılmaktadır:

Pandas

Numpy

Matplotlib

Pandas

Pandas kütüphanesi öyle güçlüdür ki Excel ile yapabildiğiniz analizleri yapabiliyorsunuz. Fakat neden bunu seçesiniz!

Pandas çok güçlü bir kütüphanedir. Excel’de verilerde satır sınırı olurken Pandas da aynı işlemleri yapabildiği halde bu tarz sınırlar yoktur.

Pandas kütüphanesi çok hızlıdır. Excel’de uzun süren ve kilitlenmelere yol açan işlemler burada çok kıs sürede çözülür.

Algoritması ve formül kurma işlemleri çok basit ve çok anlaşılırdır.

Gelişmeler önce Pandas kütüphanesinde üretilmiş olup daha sonra Excel ise bunları kopyalayıp aynısını yapmaya çalışmıştır. Fakat yine de çok altında kalmaktadır. Örneğin Excel’in son versiyonlarında sürekli yeni özellikler gelmekle birlikte aslında bu özellikler zaten çok önceden Pandas’da yapılmış ve kullanılmış olmaktadır. Yine bir çok özellik henüz Excel’e eklenememiştir.

Numpy

Pandas ile birlikte neden Numpy?

Birincisi, Pandas da tek başına tüm işinizi görür ve yapmak istediğiniz tüm işlemleri yapabilirsiniz. Yani Pandas öğrendiğinizde Numpy bilmek zorunda değilsiniz. Tüm işleri Pandas yapar.

Fakat Numpy da öğrenmek avantajlıdır. Numpy kütüphanesi, Pandas’ta yapılabilenleri yapabildiği gibi ayrıca simülasyon, istatistiki analizler vb. konularda çok daha basit kod yapısına sahip olup basit algoritmalar kullanarak çok karmaşık yapılar üretebilirsiniz.

Ayrıca siz mesela Excel veya başka ortamlarda bir formül yazdığınızda tüm satırlar için bu formülü tekrar çalıştırırsınız. Numpy ise eğitimde de göreceğiniz gibi tek formülle tüm satırlara aynı işlemi yapabilir.

Ayrıca Numpy kütüphanesi grafik çizme ve görsel analizler için de oldukça uygun bir kütüphanedir. Grafik çizmek amacıyla kullanılan kütüphaneler ön şart olarak Numpy kullanmaktadır.

Matplotlib

Bu kütüphane ise görsel analizler ve grafikler için oldukça güçlüdür.

Neden bu eğitimi alalım?

Öncelikle her konuda yeterli ve çok sayıda örnek veriyoruz. Diğer eğitimlerdeki gibi her şey hazır ve önceden belirlenmiş örnekler ile gitmiyoruz. Tamamı gerçek hayattan örnekler ve dolu dolu, bol…

Gerçek hayattan örnekler olduğu için gerçek hayatın karmaşık yapısı ile gidiyoruz.

Müfredat

Pandas

DataFrame İşlemleri

DataFrame Adres İşlemleri

DataFrame Örnek Uygulamaları

Veriler Üzerinde Değişiklik Yapmak (Silmek, Eklemek, Dönüştürmek)

Filtreleme İşlemleri

Filtre Uygulamaları

Metin Dosyası Analiz İşlemleri

Excel İşlemleri

CSV İşlemleri

XML İşlemleri

DataFrame Tekrar ve Uygulamaları

SERIES İşlemleri

Index ve Tablo Yapısı İşlemleri

Veri Değiştirme İşlemleri

Aritmetik İşlemler

Aritmetik İşlemler ve Veri Uygulamaları

Metin (String) İşlemleri

Tablo Birleştirme İşlemleri

Tablo Eşleştirme Kuralları

Tablo Eşleştirme İşlemleri

Çoklu Tablo Eşleştirme

Pandas Fonksiyonları

Veri Gruplama ve İstatistiki Analizler

Pivot Tablo

Pivot Tabloda Çoklu Satır ve Sütun

Pivot Tablo Uygulamaları

Grafik Çizim İşlemleri

Numpy

Numpy Kütüphanesi Genel Görünümü

Dizilerin Yapısı

Dizi (ARRAY) Tanımlama İşlemleri

Dizi Üreteci Parametreleri

Numpy Veri Türleri

Dizilerde Sıralama İşlemi

Dizi ile İlgili Bilgi Alma

Adresleme İşlemleri

Filtreleme İşlemleri

Dizi Verilerini Değiştirmek

Dizilerde Birleştirme İşlemi

Dizileri Alt Dizilere Bölmek

Temel Matematiksel İşlemler

Trigonometrik ve Logaritmik İşlemler

Numpy Uygulamaları

Bir Dizideki Benzersiz Elemanları Listelemek

Dizileri Ters Çevirmek

Çok Boyutlu Dizileri Sadeleştirmek

Numpy ile Veri İşleme ve Yapılandırılmış Diziler

Matplotlib

Temel Grafik İşlemleri

Grafik Bileşenleri

Grafik Parametre Uygulamaları

Grafiğin Belli Bir Alanını Göstermek

Eksen Etiketlerini Düzenlemek

Tek Grafik İçerisinde Çoklu Çizim

Çoklu Grafikleri Farklı Bölgelerde Göstermek

Çoklu Grafik Uygulamaları

Grafik Çeşitleri

Çubuk (Bar) Grafik

Çubuk Grafik Parametreleri

Eksen Değerlerini Değiştirmek

Üst Üste Çubuk Grafikler

Farklı Kaynakları Grafiğe Çevirmek

Grafiğe Tablo Eklemek

İki Boyutlu Verilerde Tablo Ekleme

Çubuk Grafik Uygulamaları

Grafiklere Veri Etiketi Eklemek

Dağılım (Scatter) Grafiği

Pasta (Pie) Grafik

Alan (Area) Grafiği

Histogram Grafik