Python ile Veri Analizi: Pandas ve EDA
Spreadsheet ve SQL'de kurduğun analiz düşüncesini programlamaya taşı: pandas ile tekrarlanabilir, ölçeklenebilir ve otomatikleştirilebilir analiz.
Kısa cevap
Python ile veri analizi için önce dilin çekirdeğini (değişkenler, koleksiyonlar, kontrol akışı, fonksiyonlar), sonra pandas'ın dört temel hareketini öğrenmelisin: filtrele/seç, grupla (groupby), birleştir (merge) ve keşfet (EDA rutini). Bu yol 2 modül ve 10 derste bu zinciri kurar; her pandas kavramını daha önce bildiğin pivot ve SQL karşılığına bağlayarak öğrenme maliyetini düşürür.
Bu yol kimin için?
- ✓Excel/SQL bilen ve programlamaya geçmek isteyen analistler
- ✓Python sözdizimini bilip 'gerçek analizde nereden başlayacağını' bilemeyenler
- ✓Tekrarlayan raporları otomatikleştirmek isteyenler
- ✓Data Scientist yoluna hazırlık yapanlar
Ne öğreneceksin?
- Analiz için yeterli, sağlam Python çekirdeği kurmak
- CSV/JSON okumak ve bir API'den veri çekmek
- DataFrame'i 'konuşan tablo' olarak okumak: oku→bak rutini
- Maskeleme ve loc/iloc ile güvenli filtreleme-seçme
- groupby ile böl-uygula-birleştir düşüncesini işletmek
- merge/concat'te satır sayısı kontrol refleksi kazanmak
- Yeni veri setine sistematik EDA ile yaklaşmak: yapı→kalite→dağılım→ilişki
Müfredatta neler var?
Ders başlıkları müfredat iskeletidir; tüm anlatım içerikleri bu platform için özgün üretilir.
▶M7 · Python TemelleriProgramlama zihniyetine geçiş: analiz için yeterli, sağlam Python çekirdeği.5 ders
- 1.Python'a Giriş: Değişkenler ve Veri TipleriDeğişken, string/sayı/bool ve tip sezgisi.
- 2.Koleksiyonlar: Liste, Sözlük, KümeHangi veri hangi yapıda durur? Erişim ve dönüş kalıpları.
- 3.Kontrol Akışı: Koşullar ve Döngülerif/for/while ve 'veri üzerinde yürüme' kalıpları.
- 4.Fonksiyonlar ve Modüler DüşünmeTekrarı fonksiyona çevirme, parametre/return disiplini.
- 5.Dosyalar ve API'lerden Veri ÇekmekCSV/JSON okuma-yazma; HTTP GET ile bir API'den veri almak.
▶M8 · Pandas ile Veri AnaliziAnaliz laboratuvarı: veriyi programatik olarak evirip çevirmek.5 ders
- 1.DataFrame: Verinin Konuşan HaliSpreadsheet zihniyetinden DataFrame'e köprü; oku→bak rutini.
- 2.Filtreleme ve Seçme KalıplarıMaskeleme, loc/iloc ve zincirleme seçimin tuzakları.
- 3.GroupBy: Böl-Uygula-BirleştirPivot ve SQL GROUP BY bilgisini pandas'a taşımak.
- 4.Birleştirme: merge ve concatJOIN bilgisinin pandas karşılığı; satır sayısı kontrol refleksi.
- 5.Keşifsel Veri Analizi (EDA) RutiniYeni veri setine sistematik yaklaşım: yapı→kalite→dağılım→ilişki.
Bir ders nasıl anlatılıyor?
“DataFrame: Verinin Konuşan Hali” dersinden kesit:
Benzetme
DataFrame, Excel sayfasının sana cevap veren hali gibidir: hücrelere tek tek bakmak yerine tabloya soru sorarsın — 'ilk 5 satırını göster', 'hangi sütunda kaç boşluk var?' — ve tablo konuşur.
Kalıp
Her yeni DataFrame'de aynı rutin: df.head() ile yüzünü gör, df.info() ile kimliğini oku, df.describe() ile nabzını tut. Bakmadan işlem yapan analist, karanlıkta bıçak kullanır.
Sonunda elinde ne olacak?
NovaCommerce Faz E'nin ilk yarısı: sipariş verisinin pandas ile uçtan uca EDA'sı — veri kalite raporu, dağılım özetleri ve iş yorumlu bulgu defteri.
Yöntem: neden bu format?
Her ders aynı on bloklu pedagojik formattan geçer: neden bölümü konuyu gerçek bir iş problemine bağlar, benzetme kavramı gündelik hayata oturtur, kalıplar bölümü tekrar eden desenleri netleştirir, kontrol noktalı adımlar “izleme değil yapma” disiplinini kurar. Gerçek dünya bölümü her beceriyi analist/scientist günlük işine ve AI çağındaki yerine bağlar; tuzaklar, mülakat sorusu, quiz ve tekrar kartları öğrenmeyi kalıcılaştırır; proje görevi ise dersi portföye dönüştürür. İstenirse aynı ders beş farklı modda yeniden anlatılır — sade, proje üzerinden, mülakat odaklı, çocuğa anlatır gibi veya senior bakışıyla.
Sık sorulan sorular
Önce Python mu SQL mi?
Analiz kariyeri için önce SQL: iş dünyasında veriye erişimin standart dili odur ve öğrenmesi daha kısadır. Python, SQL'in yetmediği yerde (otomasyon, istatistik, ML) devreye girer. Bu sırayı detaylı gerekçesiyle rehberde inceledik.
Hangi Python sürümü ve ortam?
Güncel Python 3 ve başlangıç için Jupyter not defteri yeterli. Kurulum dersin uygulama adımlarında kontrol noktalarıyla yürür; 'kurulumda kaybolma' bu yolda bir eleme sebebi değildir.
NumPy, Matplotlib gibi kütüphaneler bu yolda var mı?
Gerektiği kadar: pandas zaten NumPy üzerine kuruludur ve görselleştirme EDA rutini içinde işlenir. Ayrı 'kütüphane turu' dersleri yerine, her araç bir analiz ihtiyacının cevabı olarak gelir.
Bu yolu kendi tarzında öğren
Platform şu an kapalı erken erişimde. Örnek dersi ücretsiz incele; genel erişim açıldığında bu sayfada duyurulacak.