pandas ile Veri Temizleme ve Analiz

Eğitim Hakkında

pandas ile veri temizleme ve analiz

Eğitim kirli veriyi pandas ile temizleyip analiz etmeyi öğretir. Veri profili çıkarma, eksik değer stratejileri, yinelenen kayıtlar, tür ve kategori dönüşümü, tarih ayrıştırma, str metotları ve regex ile metin temizleme, aykırı değer (IQR, z-skor), merge, concat ve join, groupby ve agg, pivot_table, apply ve vektörleştirme, zaman serisi (resample, rolling), veri doğrulama ve temiz veri hattı oluşturma uygulamalı işlenir.

Süre ve Format

2 Gün. Her gün dört modül; 1. gün Veri Temizleme; 2. gün Analiz Teknikleri.

Seviye

Orta Seviye — pandas ile veri temizleme ve analiz

Öğrenme Metodu

Katılımcılar gerçek hayattan kirli müşteri ve satış CSV dosyalarını adım adım temizler, birleştirir, analiz eder ve veri kalitesi raporu üretir.

Neden Bu Eğitim?

🧹Temiz Veri

Eksik, yinelenen ve hatalı kayıtları sistemli biçimde ayıklarsınız.

🔗Birleştirme

Birden çok kaynağı anahtarlarla doğru birleştirirsiniz.

📊Analiz Hazırlığı

Temiz veriden güvenilir özet ve zaman serisi sonuçları çıkarırsınız.

Anahtar Konular

pandas veri temizlemepandas eğitimipython veri analizieksik veripandas merge groupbyveri kalitesizaman serisi pandasveri analisti eğitimi

“Analizin kalitesi, temizlenmiş verinin kalitesini geçemez.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Python temeli

Liste, sözlük ve fonksiyon bilgisi gerekir.

2

Excel deneyimi

Filtre ve pivot tablo kullanımı faydalıdır.

3

Jupyter

Jupyter veya VS Code notebook kurulu olmalıdır.

4

İstatistik

Ortalama, medyan ve standart sapma kavramları bilinmelidir.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı veri profili çıkarır, eksik, yinelenen ve aykırı verileri ele alır, tür ve metin dönüşümlerini yapar.

Modül 1

Veri Profili Çıkarma

read_csv parametreleri: encoding, sep, dtype
info, describe, nunique, value_counts
Eksik veri haritası (isna().mean())
Sütun adı standardizasyonu
Bellek kullanımı ve downcast
ydata-profiling tanıtımı

Modül 2

Eksik ve Yinelenen Veri

dropna ve fillna stratejileri
Ortalama, medyan ve grup bazlı doldurma
Interpolate ve ffill
duplicated ve drop_duplicates
Anahtar bazlı tekilleştirme
Eksikliğin mekanizması: MCAR, MAR, MNAR

Modül 3

Tür, Tarih ve Metin

astype, to_numeric(errors='coerce')
category türü
to_datetime ve format
Saat dilimi ve dt erişimcisi
str.strip, lower, replace, contains
Regex ile telefon ve e-posta ayıklama

Modül 4

Aykırı Değer ve Doğrulama

IQR ve z-skor yöntemleri
clip ve winsorize
Mantıksal tutarlılık kontrolleri
pandera/great_expectations ile doğrulama
Temizlik adımlarının pipe ile zincirlenmesi
Veri kalitesi raporu

Günün hedefiKatılımcı tabloları birleştirir, groupby ve pivot ile özetler, zaman serisi analizi yapar.

Modül 1

Birleştirme

merge: inner, left, outer
Anahtar çoğalması (many-to-many) tuzağı
validate ve indicator argümanları
concat ile dikey ve yatay birleştirme
join ve index tabanlı birleştirme
Anahtar uyuşmazlıklarını bulma

Modül 2

Gruplama ve Özetleme

groupby ve agg adlandırılmış toplama
transform ve filter
pivot_table ve crosstab
melt ile uzun forma dönüşüm
Çok seviyeli indeks
Yüzdelik ve sıralama (rank)

Modül 3

Zaman Serisi

DatetimeIndex ve resample
rolling ve expanding
shift ve yüzde değişim
Mevsimsellik gözlemi
Tatil ve eksik gün yönetimi
Dönem karşılaştırması (YoY)

Modül 4

Performans ve Boru Hattı

Vektörleştirme ve apply farkı
query ve eval
Büyük dosyada chunksize
Parquet ile saklama
Fonksiyonlaştırma ve yeniden kullanım
Temizlik betiğini zamanlama

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Veri Profili

Veri setinin kalitesini hızla değerlendirirsiniz.

✅

Eksik Veri

Uygun doldurma stratejisini seçersiniz.

✅

Tür Dönüşümü

Tarih, sayı ve kategori dönüşümlerini hatasız yaparsınız.

✅

Metin Temizleme

Regex ve str metotlarıyla metni standartlaştırırsınız.

✅

Aykırı Değer

IQR ve z-skorla aykırı değerleri yönetirsiniz.

✅

Birleştirme

merge ile tabloları doğru anahtarla birleştirirsiniz.

✅

Gruplama

groupby ve pivot ile özet raporlar çıkarırsınız.

✅

Zaman Serisi

resample ve rolling ile trend analizi yaparsınız.

Kimler İçin Uygundur?

Veri analistleri
raporlama uzmanları
Excel'den Python'a geçen profesyoneller için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veri analistleri, raporlama uzmanları ve Excel'den Python'a geçen profesyoneller için uygundur. Liste, sözlük ve fonksiyon bilgisi gerekir.

Excel yerine mi kullanılır?

Büyük ve tekrarlı işlerde Excel'e güçlü bir tamamlayıcıdır; farklar anlatılır.

Hangi veri kümeleri?

Müşteri, satış ve sensör verisi gibi kirli CSV dosyaları kullanılır.

Sertifika verilir mi?

Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Makine öğrenmesi içeriyor mu?

Hayır, odak temizleme ve analizdir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

ANALYZING DATA USING PYTHON: CLEANING & ANALYZING DATA IN PANDAS EĞİTİMİ