mhalil
Pandas - assign Metodu
Cum 21 Kasım 2025assign() Metodu
assign() metodu, bir veri tablosu üzerinde çalışırken, tablonun orijinal halini bozmadan (değiştirilmezlik ilkesi) yeni bir sütun eklemek istediğinizde kullanılır.
Eğer elinizde bir satış tablosu varsa ve siz bu tabloya "Toplam Gelir" diye bir sütun eklemek istiyorsanız, assign() metodu ile bu yeni sütunu hesaplayıp ekleyebilirsiniz. Sonuç olarak, hem eski tablonuz hem de yeni eklenmiş sütuna sahip yepyeni bir tablonuz olur.
Pandas DataFrame assign() metodu, bir veri tablosuna (DataFrame) yeni sütunlar eklemenin veya mevcut sütunları değiştirmenin son derece düzenli ve güvenli bir yoludur.
Bu metodu anlamak için kullanacağımız anahtar kavram, orijinali değiştirmemesi ve her zaman yeni bir DataFrame döndürmesidir.
Temel Özellikler:
-
Yeni DataFrame Döndürür: Orijinal DataFrame'i değiştirmez; her zaman eklenen veya güncellenen sütunları içeren yeni bir DataFrame nesnesi döndürür. Bu, özellikle veri analizi akışlarında (method chaining/zincirleme) çok kullanışlıdır.
-
Sütun Ekleme veya Güncelleme: Yeni bir sütun adı verirseniz ekler; eğer mevcut bir sütun adını kullanırsanız, o sütunun değerlerini günceller.
-
Çok Yönlülük: Tek bir sütun veya aynı anda birden fazla sütun ekleyebilir.
Sözdizimi:
assign() metodunun genel kullanım şekli oldukça basittir:
DataFrame.assign(**kwargs)
Buradaki **kwargs, eklemek istediğiniz sütun adı = değer çiftleridir.
Değerler Ne Olabilir?
assign() metoduna atanan değerler üç ana şekilde gelebilir:
| Değer Türü | Açıklama |
|---|---|
| Sabit Değer (Scalar) | Tüm satırlara aynı değeri atamak için kullanılır. |
| Dizi Benzeri Nesneler | Liste, dizi veya bir Pandas Series (sütun uzunluğu DataFrame'in satır sayısıyla aynı olmalı). |
| Fonksiyonlar (Callable) | lambda ifadeleri veya harici fonksiyonlar. Bunlar DataFrame'in tamamını girdi olarak alarak hesaplama yapar. |
Örneklerle assign() Metodu
Şimdi bu metodun farklı kullanım senaryolarını inceleyelim.
Örnek 1: Sabit Bir Değerle Yeni Sütun Ekleme
Bu, en basit kullanımdır. DataFrame'deki her satır için aynı değeri taşıyan bir sütun ekleriz.
Diyelim ki, sadece 'A' sütunu olan bir DataFrame'imiz var.
import pandas as pd
a = pd.DataFrame({'A': [1, 2, 3]})
print(a)
# Çıktı:
# A
# 0 1
# 1 2
# 2 3
Şimdi assign() kullanarak sabit bir liste/dizi değerini 'B' sütunu olarak ekleyelim:
b = a.assign(B = [4, 5, 6])
print(b)
# Çıktı:
# A B
# 0 1 4
# 1 2 5
# 2 3 6
Bu kod, 'A' sütununa ek olarak değerlerini içeren 'B' sütununu ekler ve yeni DataFrame b'yi oluşturur. Orijinal a DataFrame'i değişmemiştir.
Sabit (Scalar) Değer Örneği:
Tüm ürünler için para birimini ('USD') belirten sabit bir sütun eklemek:
# Örnek DataFrame
df = pd.DataFrame({'Ucret': [25.99, 45.50]})
print(df)
# Çıktı:
# Ucret
# 0 25.99
# 1 45.50
# Sabit değer atama
df_guncellenmis = df.assign(Birim = 'TL', Stok = True)
print(df_guncellenmis)
# Çıktı:
# Ucret Birim Stock
# 0 25.99 TL True
# 1 45.50 TL True
Bu örnekte, Birim ve Stok sütunları, tüm satırlara sabit değer olarak atanmıştır.
Örnek 2: Mevcut Sütunlara Dayalı Hesaplama (Lambda Fonksiyonu)
assign() metodunun en güçlü yönlerinden biri, mevcut sütunları kullanarak yeni bir sütun hesaplamasına izin vermesidir. Bunun için genelde lambda fonksiyonları kullanılır. Lambda fonksiyonu, DataFrame'in tamamını (genellikle x olarak adlandırılır) girdi olarak alır.
Maaş Zammı Örneği:
Diyelim ki bir personel tablonuz var ve maaşlara %10 zam yapılmış maaşı hesaplamak istiyorsunuz.
veri = pd.DataFrame({'Personel': ["Ahmet", "Halil", "Ali"],
'Maas': [100, 120, 150]
})
print(veri)
# Çıktı:
# #Personel Maas
# #0 Ahmet 100
# #1 Halil 120
# #2 Ali 150
yeni_veri = veri.assign(
Zamlı_Maas = lambda x: x['Maas'] + x['Maas'] * 0.10 # lambda x: x['Maas'] * 1.10 bu kod da aynı sonucu verir.
)
print(yeni_veri)
# #Çıktı:
# #Personel Maas Zamlı_Maas
# #0 Ahmet 100 110.0
# #1 Halil 120 132.0
# #2 Ali 150 165.0
Bu kod, "Zamlı_Maas" adında yeni bir sütun oluşturur. Bu sütundaki her değer, mevcut "Maas" sütunundaki değerin %10 artırılmasıyla hesaplanır.
Sütunları Çarpma Örneği:
'A' ve 'B' sütunlarının çarpımını içeren yeni bir 'C' sütunu ekleyelim:
import pandas as pd
a = pd.DataFrame({'A': [1, 2, 3]})
print(a)
# #Çıktı:
# #A
# #0 1
# #1 2
# #2 3
b = a.assign(B = [4, 5, 6])
print(b)
# #Çıktı:
# #A B
# #0 1 4
# #1 2 5
# #2 3 6
# Yeni sütun 'C', diğer iki sütunun (A ve B) çarpımından oluşur
c = b.assign(C = lambda x: x['A'] * x['B'])
print(c)
# #Çıktı:
# #A B C
# #0 1 4 4
# #1 2 5 10
# #2 3 6 18
Bu, assign() metodu içinde lambda fonksiyonu kullanılarak elde edilir.
Örnek 3: Aynı Anda Birden Fazla Sütun Ekleme (Çoklu Atama)
assign() metoduna birden fazla anahtar kelime argümanı (kwargs) vererek aynı anda çoklu sütun ekleyebilirsiniz.
Çoklu Hesaplama Örneği (Maaş ve Takım Adı):
Hem maaşa %40 zam yapmak hem de Departman adına bir sonek (_Yazılım) ifadesi eklemek istiyoruz.
veri = pd.DataFrame({'Personel': ["Ahmet", "Halil", "Ali"],
'Departman': ["Bilgi İşlem","Bilgi İşlem","Bilgi İşlem"],
'Maas': [100, 120, 150]
})
print(veri)
# Çıktı:
# #Personel Departman Maas
# #0 Ahmet Bilgi İşlem 100
# #1 Halil Bilgi İşlem 120
# #2 Ali Bilgi İşlem 150
yeni_veri = veri.assign(
Departman = lambda x: x['Departman'] + '_Yazılım', # Departman adının sonuna '_Yazılım' ifadesi ekler
Zamlı_Maas = lambda x: x['Maas'] * 1.40 # Maaşa %40 zam yapar
)
print(yeni_veri)
# #Çıktı
# #Personel Departman Maas Zamlı_Maas
# #0 Ahmet Bilgi İşlem_Yazılım 100 140.0
# #1 Halil Bilgi İşlem_Yazılım 120 168.0
# #2 Ali Bilgi İşlem_Yazılım 150 210.0
Bu kod, tek bir assign() çağrısında hem "Departman" hem de "Maas" olmak üzere iki yeni sütun oluşturur. Yukarıdaki örnekte Departman sütunu aslında güncellenerek yeniden oluşturulmuştur.
Örnek 4: Zincirleme Kullanım (Chaining)
assign() metodu her zaman yeni bir DataFrame döndürdüğü için, birden fazla assign() işlemini art arda zincirleme olarak kullanabilirsiniz.
Hatta, zincirleme kullanıldığında, sonraki assign() çağrıları önceki assign() çağrısında yeni oluşturulan sütunları kullanabilir.
df = pd.DataFrame({'A': range(1, 5), 'B': ['A', 'B', 'C', 'D']})
print(df)
# #Çıktı:
# #A B
# #0 1 A
# #1 2 B
# #2 3 C
# #3 4 D
Yukarıdaki Tabloya önce C Sütunu ekleyelim. C Sütununun değeri A Sütununun değerinin 2 katı C = A * 2 olsun. Ardından D Sütunu ekleyelim. D Sütununun değeri de A ve C Sütunlarının toplamı D = A + C olsun. Tüm isteklerimiz peşpeşe, zincirleme assing() fonksiyonu kullanımı ile gerçekleşsin.
df = df.assign(C=lambda x: x['A']*2).assign(D=lambda x: x['A'] + x['C'])
print(df)
# #Çıktı:
# #A B C D
# #0 1 A 2 3
# #1 2 B 4 6
# #2 3 C 6 9
# #3 4 D 8 12
Bu, veri manipülasyonunu daha akıcı ve kompakt hale getirir.
Örnek 5: Koşullu Sütun Oluşturma
Belirli bir şarta bağlı olarak değer atayan sütunlar da oluşturabilirsiniz.
print(df)
# #Çıktı:
# #A B C D
# #0 1 A 2 3
# #1 2 B 4 6
# #2 3 C 6 9
# #3 4 D 8 12
Yukarıdaki tabloya yeni bir (E) sütun oluşturup, A sütunundaki değer 2'den büyükse 'High', değilse 'Low' değeri atamaya çalışalım.z
# A sütunundaki değer 2'den büyükse 'High', değilse 'Low' atar
df = df.assign(
E=lambda x: ['High' if a > 2 else 'Low' for a in x['A']])
print(df)
# Output:
# A B C D E
# 0 1 A 2 3 Low
# 1 2 B 4 6 Low
# 2 3 C 6 9 High
# 3 4 D 8 12 High
Bu örnek, 'E' sütununu dinamik olarak, 'A' sütunundaki değerlere göre "High" veya "Low" olarak kategorize eder.
Neden assign() Kullanmalıyız?
assign() metodu, DataFrame'lere köşeli parantez notasyonuyla (df['yeni_sutun'] = ...) sütun eklemekten farklıdır. Köşeli parantez notasyonu orijinal DataFrame'i doğrudan değiştirirken, assign() metodu orijinal verinizi korur ve her zaman yeni, temiz bir kopya döndürür. Bu, özellikle karmaşık veri akışları oluştururken veya büyük veri setlerinde bellek verimliliği açısından tercih edilir.
Analoji / Benzeşim:
assign() metodunu, elinizdeki orijinal bir tablonuza (DataFrame) notlar ekleyen bir asistan olarak düşünebilirsiniz. Siz asistana dersiniz ki, "Bana bu tablonun yeni bir kopyasını çıkar ve 'Özet' başlıklı bir sütun ekle." Asistanınız size, orijinal tablonuza dokunmadan, tüm notlarınızı ve yeni 'Özet' sütununu içeren yepyeni bir tablo (yeni DataFrame) sunar. Bu, orijinal verinizin her zaman güvende olduğu anlamına gelir.