Python ile Veri İşleme (Data Handling)

Eğitim Hakkında

Python ile veri işleme ve yönetimi

Eğitim, Python ile veriyi okuma, dönüştürme ve saklama süreçlerini ele alır: dosya ve context manager, csv ve json modülleri, liste ve sözlük tabanlı veri dönüşümleri, comprehension ile temizleme, Counter ve defaultdict ile özetleme, pandas ile DataFrame girişi, sqlite3 ile veritabanı, veri doğrulama ve basit kalite kontrolleri.

Süre ve Format

2 Gün. Her gün dört modül; 1. gün Dosya ve Veri Yapıları; 2. gün Temizleme, Depolama ve Pandas. Her modül uygulamalı alıştırmalarla pekiştirilir.

Seviye

Orta Seviye — Python ile dosya, veri yapıları, JSON-CSV işleme, temizleme ve pandas girişini kapsar.

Öğrenme Metodu

Dağınık CSV ve JSON dosyaları gerçekçi bir görev olarak temizlenir, birleştirilir ve SQLite'a yüklenir.

Neden Bu Eğitim?

🎯Dosyalarla rahat çalışma

CSV, JSON ve metin dosyalarını güvenle okuyup yazarsınız.

🛠️Temiz veri

Eksik ve hatalı kayıtları tespit edip düzelten betikler yazarsınız.

📈Pandas'a hazırlık

Temel veri yapıları ve DataFrame ile analiz aşamasına geçişi öğrenirsiniz.

Anahtar Konular

python veri işlemecsv json pythondosya işlemleriveri temizlemepandas girişsqlite3python data handlingdefaultdictcounterveri doğrulama

“Veriyle çalışmak, önce onu düzene sokmaktır.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Temel Python

Değişken, fonksiyon, liste ve sözlük kullanımına dair başlangıç düzeyinde Python bilgisi beklenir.

2

Geliştirme ortamı

Python 3.10+ ve VS Code ya da Jupyter Notebook kurulu bir bilgisayar gereklidir.

3

Komut satırı

pip ile paket kurma ve sanal ortam (venv) oluşturma konusunda temel rahatlık faydalıdır.

4

Ağ bağlantısı

Örnek veri setleri ve paket kurulumları için internet erişimi olan bir ortam önerilir.

Eğitim İçeriği

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

Günün hedefiKatılımcı dosya ve koleksiyonlarla veriyi okur ve dönüştürür.

Modül 1

Liste Sıralama ve Dönüştürme

list.sort() ile sorted() farkı: yerinde ve yeni liste
key= parametresi ve lambda ile özel sıralama
reverse=True ve kararlı (stable) sıralama özelliği
map, filter ve comprehension ile dönüştürme
min, max, sum, len ve any/all yardımcıları
İç içe listeler ve matris işlemleri

Modül 2

Sözlük İleri Teknikleri

setdefault ve collections.defaultdict ile gruplama kalıpları
collections.Counter ile frekans ve most_common()
Dict comprehension ve iki listeden sözlük (dict(zip()))
Python 3.9+ sözlük birleştirme operatörleri ile config katmanlama
İç içe sözlükler ve JSON ile birebir eşleşme
OrderedDict, ChainMap ve MappingProxyType ile özel durumlar

Modül 3

Veri Okuma: CSV, Excel ve JSON

pd.read_csv parametreleri: sep, encoding, usecols, dtype, parse_dates, nrows
Büyük dosyalarda chunksize ile parça parça okuma
pd.read_excel ile sayfa seçimi, header satırı ve openpyxl motoru
pd.read_json ve json_normalize ile iç içe JSON düzleştirme
pd.read_sql ile veritabanından sorgu sonucu okuma
Türkçe karakter ve ondalık ayıracı sorunları: encoding="utf-8-sig", decimal=","

Modül 4

Döngülerle Veri Dönüştürme

CSV benzeri satırları ayrıştırıp sözlük listesine çevirme
Metin içinde kelime frekansı hesaplama (collections.Counter)
Listeyi gruplama ve toplama: sözlükte biriktirme kalıbı
Büyük/küçük harf ve boşluk temizliği ile metin normalleştirme
Zaman ölçümü için time.perf_counter ile döngü performansını karşılaştırma
Mini proje: not defteri ve harcama analizi raporu

Günün hedefiKatılımcı veriyi temizler, SQLite ve pandas ile saklar ve özetler.

Modül 1

Veri Temizleme

Eksik değerler: fillna, dropna, interpolate ve ffill
astype ile tip dönüşümü, pd.to_numeric(errors="coerce") ve pd.to_datetime
str.strip, replace, lower ile metin temizliği
Aykırı değer tespiti: IQR ve z-skoru yöntemleri
rename, drop ve sütun sırası düzenleme
Kategorik tip (category) ile bellek tasarrufu

Modül 2

Python ve SQL Birlikte Analiz

pd.read_sql_query ile sorgu sonucunu DataFrame'e alma
Ağır filtre ve toplamayı SQL'de, şekillendirmeyi pandas'ta yapma kararı
SQLAlchemy engine, connection pool ve ortam değişkeniyle parola yönetimi
to_sql ile temizlenmiş sonucu veritabanına geri yazma
Veri mart tabloları ve görünüm (view) tasarımı
Sorgu planı (EXPLAIN) ve indeksle hız kazanımı

Modül 3

DataFrame ve Series Temelleri

Series ve DataFrame oluşturma: sözlükten, listeden, numpy dizisinden
index, columns, dtypes, shape ve values nitelikleri
head(), tail(), info(), describe() ile ilk keşif
Sütun seçimi df["a"], df[["a","b"]] ve nitelik erişimi farkı
Yeni sütun hesaplama ve vektörel işlemler
Index kavramı, set_index() ve reset_index()

Modül 4

Veri Yazma ve Dışa Aktarma

to_csv(index=False, encoding=) ve ayraç seçimi
to_excel ile çoklu sayfa için ExcelWriter kullanımı
to_json orient seçenekleri: records, index, columns
to_parquet ve to_pickle ile hızlı, tip korumalı depolama
to_sql ile veritabanına yazma ve if_exists davranışı
Dışa aktarılan dosyanın tekrar okunarak doğrulanması

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Sıralama ve Dönüşüm

key ve lambda ile özel sıralama ve map/filter dönüşümleri yapabilirsiniz

🔧

Sözlük İleri Kalıpları

defaultdict, Counter ve comprehension ile gruplama ve sayma problemlerini çözebilirsiniz

📊

Veri Okuma

CSV, Excel, JSON ve SQL kaynaklarını doğru parametrelerle pandas içine alabilirsiniz

🧩

Döngülerle Dönüştürme

Metin ve tabloya benzer veriyi döngülerle ayrıştırıp özetleyen betikler yazabilirsiniz

🚀

Veri Temizleme

Eksik, hatalı tipli ve aykırı verileri temizleyip analize hazır hale getirebilirsiniz

🔍

Python ve SQL Entegrasyonu

Python ve SQL arasındaki iş bölümünü kurup sonuçları veritabanına yazabilirsiniz

🛡️

DataFrame Temelleri

Series ve DataFrame yapılarını kurup ilk keşif komutlarıyla veriyi tanıyabilirsiniz

📌

Veri Dışa Aktarma

Sonuçları CSV, Excel, Parquet ve veritabanına doğru biçimde yazabilirsiniz

Kimler İçin Uygundur?

Veri işleme betikleri yazan
Excel
CSV dosyalarını otomatikleştirmek isteyen profesyoneller ve öğrenciler

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veri işleme betikleri yazan, Excel ve CSV dosyalarını otomatikleştirmek isteyen profesyoneller ve öğrenciler.

Eğitim sonunda sertifika verilir mi?

Eğitimi tamamlayan katılımcılar Digital Vizyon Akademi Katılım ve Başarı Sertifikası almaya hak kazanır; sertifika DVA'nın kendi katılım ve başarı belgesidir.

Eğitim için hangi yazılımlar gereklidir?

Python 3.10 veya üzeri, bir kod editörü (VS Code ya da PyCharm) ve eğitimin konusuna göre listelenen paketler yeterlidir; kurulum adımları ilk oturumda birlikte kontrol edilir.

Pandas önceden bilinmeli mi?

Hayır, pandas giriş seviyesinde tanıtılır; asıl odak dosyalar, veri yapıları ve temizleme mantığıdır.

Büyük dosyalar nasıl işlenir?

Satır satır okuma, generator ve pandas chunksize ile belleği şişirmeden işleme yöntemleri gösterilir.

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

DATA HANDLING IN PYTHON EĞİTİMİ