Pandas İleri Özellikler Eğitimi

Eğitim Hakkında

Performans, pencere fonksiyonları, zaman serisi, kategorik veri ve pipeline

Eğitim, pandas'ın ileri özelliklerine odaklanır. rolling, expanding ve ewm pencere fonksiyonları, groupby ile transform ve rank, kategorik türler, bellek optimizasyonu, vektörleştirme ve apply maliyeti, pipe ile okunabilir iş akışı, eval ve query, MultiIndex ileri kullanımı, Parquet ve PyArrow desteği, chunking ile büyük dosya işleme, method chaining ve pandas 2 Copy-on-Write davranışı uygulamalı işlenir.

Süre ve Format

2 Gün. Her gün dört modül; 1. gün Pencere Fonksiyonları ve İleri Toplulaştırma; 2. gün Performans ve Büyük Veri.

Seviye

İleri Seviye — Performans, pencere fonksiyonları, zaman serisi, kategorik veri ve pipeline

Öğrenme Metodu

Katılımcılar yavaş çalışan örnek bir analiz betiğini profilleyip adım adım hızlandırır ve okunabilir hale getirir.

Neden Bu Eğitim?

🚀Hız

Yavaş pandas kodunu ölçüp kat kat hızlandırırsınız.

🪟Pencere Analizi

Hareketli ve genişleyen hesaplamaları kolayca yaparsınız.

🧩Temiz Akış

Method chaining ve pipe ile okunabilir kod yazarsınız.

Anahtar Konular

pandas ileripandas rollingpandas performanspandas bellek optimizasyonuparquet pyarrowmethod chainingpandas transformpandas zaman serisipandas 2

“Yavaş kod çoğu zaman yanlış araç değil, yanlış yaklaşımdır.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

pandas deneyimi

groupby, merge ve temizlik işlemlerini bilmek gerekir.

2

Jupyter ortamı

Anaconda/JupyterLab ve Python 3.10+ kurulu bir bilgisayar gerekir.

3

NumPy

Vektörel işlem mantığına aşinalık beklenir.

4

Bellek

Dizüstü bilgisayarda 8 GB RAM önerilir.

Eğitim İçeriği

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

Günün hedefiKatılımcı pencere ve grup bazlı ileri hesaplamaları uygular.

Modül 1

Pencere Fonksiyonları

rolling ve min_periods
Zaman bazlı pencere
expanding
ewm ve üstel ortalama
Pencere üzerinde özel apply
Kayan ortalama grafiği

Modül 2

İleri groupby

transform ve broadcast
rank, cumcount, cumsum
shift ve diff
Grup içi yüzde
nlargest ve nsmallest
Sürekli grup (sessionization)

Modül 3

Zaman Serisi

DatetimeIndex
resample ve asfreq
Dönem (Period) veri
Mevsimsellik özeti
Boşluk doldurma
merge_asof

Modül 4

Kategorik ve Sıralı Veri

Categorical türü
Sıralı kategori
cut ve qcut
Kategori kodlama
Nadir kategori birleştirme
Bellek kazancı

Günün hedefiKatılımcı pandas kodunu ölçerek hızlandırır ve büyük dosyaları verimli işler.

Modül 1

Performans Ölçümü

timeit ve %%timeit
line_profiler
memory_usage(deep=True)
apply ve iterrows maliyeti
Vektörleştirme
Yaygın anti-desenler

Modül 2

Bellek Optimizasyonu

Sayısal downcast
category dönüşümü
Sparse veri
Chunk ile okuma
usecols ve dtype belirtme
Gereksiz kopyaları önleme

Modül 3

eval, query ve Arrow

eval ve query
numexpr
PyArrow dtype'ları
Parquet ve Feather
Copy-on-Write davranışı
Polars ile kısa karşılaştırma

Modül 4

Kod Kalitesi

Method chaining
pipe ile fonksiyon zinciri
assign ile okunabilirlik
Birim test (pandas.testing)
Veri doğrulama (pandera)
Proje: performans iyileştirme atölyesi

Eğitim Kazanımları

Program sonunda katılımcılar:

🪟

Pencere fonksiyonları

rolling, expanding ve ewm ile hareketli hesaplamalar yapabilirsiniz.

🧮

İleri groupby

transform, rank ve shift ile grup içi hesaplamalar yazabilirsiniz.

⏰

Zaman serisi

resample ve merge_asof kullanabilirsiniz.

🏷️

Kategorik tür

Categorical ile bellek ve hız kazanabilirsiniz.

⏱️

Profil çıkarma

pandas kodundaki darboğazları ölçebilirsiniz.

💾

Bellek

Veri tiplerini optimize edip büyük dosyayı parçalı işleyebilirsiniz.

📦

Parquet

Parquet ve Arrow ile hızlı veri okuyup yazabilirsiniz.

🔗

Method chaining

pipe ve assign ile okunabilir iş akışı kurabilirsiniz.

Kimler İçin Uygundur?

pandas'ı günlük kullanan
performans
kod kalitesini artırmak isteyen veri analistleri ve mühendisleri içindir

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

pandas'ı günlük kullanan, performans ve kod kalitesini artırmak isteyen veri analistleri ve mühendisleri içindir.

Polars işleniyor mu?

Yalnızca performans karşılaştırması için kısa bir tanıtım yapılır.

Hangi pandas sürümü?

pandas 2.x ve Copy-on-Write davranışı.

Büyük veri için Spark gerekir mi?

Eğitimde tek makinede pandas teknikleri vurgulanır; Spark kapsam dışıdır.

Eğitim sonunda belge verilir mi?

Katılımcılara Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir. Eğitim herhangi bir üretici sınavına doğrudan hazırlık vaat etmez; sınav söz konusu ise başvuru ve ücret ilgili kuruma aittir.

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

PYTHON - PANDAS ADVANCED FEATURES EĞİTİMİ