Düzenli İfadeler - Tanım ve Fonksiyonlar

Düzenli İfadeler (Regular Expressions)

Düzenli ifadeler (RegEx ya da Regular Expression), bir arama işleminde eşleştirilecek deseni temsil eden özel dizelerdir. Bir başka tanımla bir karakter dizisi içinde bulunan, belli bir düzene uyan eşleşmeleri bulmanıza ve yönetmenize yardımcı olacak desenler oluşturmanıza izin veren bir metin dizisidir (bir string ifadedir). Bir metinde …

Continue reading »

PyAutoGUI

PyAutoGUI Kütüphanesi

PyAutoGUI, fare ve klavyeleri kontrol etmemizi sağlayan, böylece otomatik görevler yapan kodlar/botlar yazmamıza yardımcı olan güzel, faydalı bir Python kütüphanesidir (modülüdür).

pyautogui

PyAutoGUI kütüphanesi ile aşağıda listelenen işlemleri yapabiliriz;

  • İmleci hareket ettirme,
  • İstenilen yere tek, çift ya da daha fazla tıklama,
  • Pencere, diyalog kutusu taşıma, kaydırma çubuğunu hareket …

Continue reading »

Pandas - Bölme Operatörü

/ (Bölme) Operatörü

İki sütun verisini / bölme operatörü ile bölebiliriz.

baslik = ["Birler", "Onlar", "Yüzler"]
basliksiz = pd.read_excel("Veri_Setleri/basliksiz.ods", header = None, names = baslik )
print(basliksiz)
Birler Onlar Yüzler
0 9 82 246
1 7 78 180
2 8 83 565
3 6 82 486
4 4 37 615
5 2 …

Continue reading »

Pandas - Çarpma Operatörü

* (Çarpma) Operatörü

İki sütun verisini * çarpma operatörü ile çarpabiliriz.

baslik = ["Birler", "Onlar", "Yüzler"]
basliksiz = pd.read_excel("Veri_Setleri/basliksiz.ods", header = None, names = baslik )
print(basliksiz)
Birler Onlar Yüzler
0 9 82 246
1 7 78 180
2 8 83 565
3 6 82 486
4 4 37 615
5 2 …

Continue reading »

Pandas - Çıkarma Operatörü

- (Çıkarma) Operatörü

İki sütun verisini - çıkarma operatörü ile çıkarabiliriz, farkını alabiliriz.

baslik = ["Birler", "Onlar", "Yüzler"]
basliksiz = pd.read_excel("Veri_Setleri/basliksiz.ods", header = None, names = baslik )
print(basliksiz)
Birler Onlar Yüzler
0 9 82 246
1 7 78 180
2 8 83 565
3 6 82 486
4 4 37 615 …

Continue reading »

Pandas - mean

mean() Metodu

Her sütun için ortalama değer hesaplamak için mean() metodunu kullanabiliriz.

baslik = ["Birler", "Onlar", "Yüzler"]
basliksiz = pd.read_excel("Veri_Setleri/basliksiz.ods", header = None, names = baslik )
print(basliksiz)
Birler Onlar Yüzler
0 9 82 246
1 7 78 180
2 8 83 565
3 6 82 486
4 4 37 …

Continue reading »

Pandas - sum operatörü

sum() Metodu

Python'dan toplam değeri bulmak için kullanmaya aşina olduğumuz sum() fonksiyonu, Pandas içerisinde metot olarak bulunuyor. Yani Python'da sum() fonksiyonuna parametre olarak bir değişken veriyorduk. (Ör. sum(liste)). Pandasta ise veri çerçevesi adının sonuna metot olarak ekliyoruz. (Ör. VeriCercevesi.sum())

Örneklerle inceleyelim.

baslik = ["Birler", "Onlar", "Yüzler"]
basliksiz = pd.read_excel …

Continue reading »

Pandas - Toplama Operatörü

+ (Toplama) Operatörü

İki sütun verisini + toplama operatörü ile toplayabiliriz.

baslik = ["Birler", "Onlar", "Yüzler"]
basliksiz = pd.read_excel("Veri_Setleri/basliksiz.ods", header = None, names = baslik )
print(basliksiz)
Birler Onlar Yüzler
0 9 82 246
1 7 78 180
2 8 83 565
3 6 82 486
4 4 37 615
5 2 …

Continue reading »

Pandas - Melt

Pandas Melt Fonksiyonuyla Verilerinizi Yeniden Şekillendirin

Bu bölümde, Pandas'ın melt() fonksiyonunun nasıl kullanacağını öğreneceğiz. pd.melt() fonksiyonu, bir Pandas yapısını geniş formattan uzun formata yeniden şekillendirmek için kullanılır. Bunun anlamı, bir veya daha fazla sütunun tanımlayıcı olarak kullanılması ve diğer tüm sütunların değer olarak kullanılmasıdır. Kısacası bu fonksiyon, Veri Çerçevenizi …

Continue reading »

Pandas - pivot_table()

Pandas'ta Pivot Table (Özet Tablo) Fonksiyonunun Kullanımı

Verilerinize ilişkin özet tablola oluşturmak konusunda, Excel'deki pivot tablolara aşina olabilirsiniz. Burada, .pivot_table() metodunu kullanarak Python ve Pandas'ta nasıl pivot (özet) tablolar oluşturacağımızı öğreneceğiz.

Pivot Tablolar, verileri hızlı bir şekilde özetleyebilmek, verilerinizin nasıl göründüğüne dair bir fikir edinebilmek için önemli bir beceridir. Fonksiyon …

Continue reading »