mhalil
3D Modelleme, Animasyon, Render, Vektör - Raster Grafik İşleme ve Python ile Programlama konularına meraklı Açık Kaynak Hayranı bir Makine Mühendisi
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 … |
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 … |
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 … |
sum() MetoduPython'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"]
df = pd.read_excel …
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 … |
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 …
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 …
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. Elimden geldiğince öğrendiklerimi bu
sayfaya ekleyeceğim.
Pivot Tablolar, verileri hızlı bir şekilde özetleyebilmek, verilerinizin nasıl göründüğüne dair bir fikir …
Continue reading »
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 »
Veri Çerçevemizde aynı isme ya da aynı değere sahip birden fazla veri bilgisi olabilir. Verileri gruplayarak, grupların toplam değerleri, ortalama değerleri, grupta kaç adet veri bulunduğu, gruptaki verilrden en küçük ya da en büyük verinin hangisi olduğu gibi pek çok bilgi edinmek için, bu bölümdeki komutlardan yararlanacağız.