Dağınık veriyi analize hazır hale getirin
pandas ile CSV, Excel, JSON ve SQL verilerini okuyup temizleme, tip dönüşümü, birleştirme, groupby ve pivot ile özetleme adımları gerçek kirli veri setleriyle uygulamalı işlenir.
Ham veriden analize hazır veri setine uzanan pandas iş akışı
Python ve pandas ile gerçek dünyadaki dağınık verilerin işlenmesini öğretir. read_csv/read_json/read_sql ile veri alma, eksik değer ve tip dönüşümü, string ve tarih işlemleri, merge/concat/join ile birleştirme, groupby ve pivot_table ile özetleme, melt/stack ile yeniden şekillendirme ve veri kalitesi kontrolleri uygulamalı yapılır.
3 Gün. Her gün dört modül; 1. gün Veriyi Alma ve Keşfetme, 2. gün Temizleme ve Dönüştürme, 3. gün Birleştirme ve Özetleme konularına ayrılmıştır.
Orta Seviye — pandas ile veri okuma, temizleme, dönüştürme, birleştirme ve özetleme
Her modülde gerçekçi kirli veri setleri üzerinde Jupyter defterleriyle çalışılır; her adım ara çıktılar ve doğrulama kontrolleriyle denetlenir.
Eksik, tekrarlı ve hatalı kayıtları sistematik biçimde temizlersiniz.
Farklı kaynakları anahtar bazlı doğru birleştirmeyi öğrenirsiniz.
groupby ve pivot ile yönetici özeti tabloları üretirsiniz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Liste, sözlük ve fonksiyon kullanımını bilmek gerekir.
Jupyter Notebook veya JupyterLab ortamı hazır olmalıdır.
pandas ve numpy paketlerinin kurulu olması gerekir.
Excel veya SQL tablo yapısına temel aşinalık faydalıdır.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
CSV, Excel, JSON ve SQL kaynaklarını doğru parametrelerle okuyabilirsiniz.
info, describe ve value_counts ile veri durumunu hızla çıkarabilirsiniz.
Eksik verileri bağlama uygun yöntemle doldurabilir veya ayıklayabilirsiniz.
Regex ve str metotlarıyla metin sütunlarını normalleştirebilirsiniz.
to_datetime ve resample ile zaman bazlı özetler çıkarabilirsiniz.
merge ve concat ile satır çoğalmasına düşmeden birleştirebilirsiniz.
groupby, pivot_table ve transform ile özet tabloları üretebilirsiniz.
Temizlik adımlarını tekrarlanabilir pipeline olarak yazabilirsiniz.
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.
Python istisna yönetimi, ExceptionGroup, logging, argparse, click ve typer ile CLI geliştirme ve paketleme. Digital Vizyon Akademi ileri Python konuları.
Detayları Gör →
Python pathlib, encoding, CSV, JSON, YAML, ikili dosya, mmap, zipfile ve büyük dosya akış işleme. Uygulamalı Digital Vizyon Akademi ileri Python konuları.
Detayları Gör →
Python import sistemi, paket yapısı, venv, pip, poetry, uv, pyproject.toml, wheel ve bağımlılık yönetimi. Digital Vizyon Akademi ileri Python konuları.
Detayları Gör →
Python best practices, SOLID, Factory, Strategy, Observer, Decorator, Adapter, dependency injection ve temiz mimari. Digital Vizyon Akademi ileri Python eğitimi
Detayları Gör →
Python ile Plotly, Altair, seaborn, folium, Streamlit ve Dash kullanarak etkileşimli görselleştirme ve dashboard geliştirme. Digital Vizyon Akademi eğitimi.
Detayları Gör →