Python Veri Analizinde NumPy ve Pandas Kullanımı

Adı : Python Veri Analizinde NumPy ve Pandas Kullanımı

Giriş

Python, son yıllarda veri bilimi ve yapay zeka alanında en popüler dillen biridir. Bunun en önemli nedenlerinden biri de Python’un zengin ve güçlü kütüphane desteğidir. Veri analizi dünyasında en çok kullanılan kütüphaneler arasında NumPy ve Pandas bulunmaktadır.

NumPy ve Pandas Kütüphaneleri

NumPy (Numerical Python), temel matematiksel işlemleri ve hesaplamaları yapabilen güçlü bir Python kütüphanesidir. Diziler (arrays) ve matrisler (matrices) üzerinde çalışmak için optimize edilmiştir ve bu nedenle, veri bilimi dünyasında en sık kullanılan kütüphaneler arasındadır. NumPy’nin bazı avantajları şunlardır:

- Verimli bir şekilde büyük veri setleri üzerinde çalışabilme
- Basit ve vektörel işlemler ile ayrıntılı veri analiz işlemleri yapabilme
- Diğer Python kütüphaneleriyle uyumlu olabilme

Öte yandan, Pandas kütüphanesi, verileri düzenlemek, temizlemek ve analiz etmek için kullanılan bir Python kütüphanesidir. DataFrame olarak adlandırılan, satır ve sütun içeren tablolar tarzında verilerin depolanmasına odaklanmıştır. Pandas’ın bazı avantajları şunlardır:

- Yapısı ve fonksiyonları, veri analizine özgü ihtiyaçları karşılamak üzere tasarlanmıştır
- Verileri okumak, temizlemek ve belirli bir şekilde özetlemek için kullanımı kolay fonksiyonlar sunar
- NumPy kütüphanesiyle uyumlu bir şekilde çalışabilme

NumPy Kullanımı

NumPy, özellikle çok boyutlu dizilerin ve matrislerin manipülasyonu için kullanılır. Python’daki genel listeler, büyük bir veri setiyle çalışırken yeterli performansı sağlamayabilirler. Örneğin, 1.000.000 elemanlı bir listeyi ters çevirmek birkaç saniye sürebilir. Ancak, aynı işlem NumPy dizisiyle birkaç milisaniye içinde gerçekleştirilebilir.

NumPy üzerinden bir dizi oluşturmak için aşağıdaki kod kullanılabilir:

```
import numpy as np

array = np.array([1, 2, 3, 4, 5])
```

Bu kod, NumPy kütüphanesini içe aktarır ve ardından `np.array()` fonksiyonu kullanarak bir NumPy dizisi oluşturur.

İki boyutlu bir matris oluşturmak için ise şu şekilde kullanılabilir:

```
import numpy as np

array = np.array([[1,2,3],[4,5,6],[7,8,9]])
```

Bu kodda, 3x3 boyutlu bir matris oluşturduk.

NumPy fonksiyonları, dizilerle çalışmayı daha efektif hale getirir. Örneğin, aşağıdaki kodda, NumPy ile işlemler yaparak iki dizi elemanlarını topluyoruz:

```
import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])
c = a + b
print(c)
```

Burada iki farklı NumPy dizisi oluşturduk. Bu dizileri toplayıp sonucu `c` değişkenine atadık ve sonucu yazdırdık.

Pandas Kullanımı

Pandas, `DataFrame` adı verilen bir yapı kullanır. `DataFrame`, her satırın sütun adına göre düzenlendiği bir tablo olarak düzenlenir. Pandas’ın en güçlü özelliklerinden biri, verileri CSV, Excel ve SQL veritabanları gibi farklı formatlardan yükleyebilme yeteneğidir.

Pandas yüklendikten sonra, bir veri seti yüklemek için `read_csv ()` fonksiyonu kullanılabilir. Şu şekilde yapılabilir:

```
import pandas as pd
data = pd.read_csv(\"veriseti.csv\")
```

Burada `pd.read_csv()` fonksiyonu kullanarak, `veriseti.csv` dosyasını okuyoruz ve sonucu `data` değişkenine atıyoruz.

Pandas ile bazı temel işlemler şunları içerir:

- `head()` fonksiyonu, veri setinin ilk birkaç satırını gösterir.
- `describe()` fonksiyonu, sayısal değerlerin özet bilgisini verir.
- `info()` fonksiyonu, veri tipleri hakkında bilgi verir.

Örnek:

```
import pandas as pd
data = pd.read_csv(\"veriseti.csv\")
print(data.head())
print(\"\
\")
print(data.describe())
print(\"\
\")
print(data.info())
```

Burada, yüklemiş olduğumuz “veriseti.csv” dosyasının ilk 5 satırı, istatistiksel değerleri ve yapısal bilgiyi özetleyen kodları yazdık.

Sık Sorulan Sorular

S: Neden NumPy ve Pandas kullanmalıyız?

C: NumPy ve Pandas, veri biliminde en popüler Python kütüphaneleridir. NumPy, çok boyutlu diziler ve matrisler üzerinde etkili bir şekilde çalışabildiği için verimli bir şekilde büyük veri setleri üzerinde çalışmayı sağlar. Pandas ise verileri düzenleme, temizleme ve analiz etmek için özel olarak tasarlanmıştır.

S: Pandas’ta en çok kullanılan fonksiyonlar nelerdir?

C: Pandas’ın en çok kullanılan fonksiyonları arasında `read_csv()`, `head()`, `describe()` ve `info()` fonksiyonları yer alır.

S: NumPy’dan Pandas’a nasıl geçilir?

C: NumPy’dan Pandas’a geçmek, veri analizi için verileri daha kolay ve hızlı bir şekilde yönetmek için tavsiye edilir. NumPy ile oluşturulan bir dizi veya matris, Pandas DataFrame’ine dönüştürülebilir.

S: NumPy ve Pandas arasındaki fark nedir?

C: NumPy, özellikle çok boyutlu diziler ve matrisler üzerinde etkili bir şekilde çalışmak için tasarlanmıştır. Pandas ise verileri düzenleme, temizleme ve analiz etmek için özel olarak tasarlanmıştır. Pandas, birçok farklı veri formatını okuyabilir ve ilişkisel veritabanlarından verileri yükleyebilir."