Pandas ile Görselleştirme ve Zaman Serisi Eğitimi

Eğitim Hakkında

DataFrame.plot, tarih indeksi, resample, hareketli ortalama ve mevsimsellik

Eğitim, pandas ile görselleştirme ve zaman serisi analizini birleştirir. DataFrame.plot ile çizgi, çubuk, alan ve histogram grafikleri, DatetimeIndex ve tarih dilimleme, to_datetime, resample ile sıklık değiştirme, rolling ve expanding ile hareketli ortalama, shift ve pct_change, eksik tarih doldurma, saat dilimi, mevsimsel ayrıştırma (statsmodels) ve matplotlib ile grafik özelleştirme uygulamalı gerçek finans ve sensör verisiyle işlenir.

Süre ve Format

2 Gün. Her gün dört modül; 1. gün pandas ile Grafik Üretimi; 2. gün Zaman Serisi Analizi.

Seviye

Orta Seviye — DataFrame.plot, tarih indeksi, resample, hareketli ortalama ve mevsimsellik

Öğrenme Metodu

Katılımcılar hisse, hava durumu ve sensör verisi üzerinde trend, mevsimsellik ve anomali analizi yaparak grafik üretir.

Neden Bu Eğitim?

📈Zaman Odaklı

Tarih indeksiyle dilimleme, yeniden örnekleme ve karşılaştırmayı öğrenirsiniz.

🌀Trend ve Mevsim

Hareketli ortalama ve ayrıştırma ile örüntüleri ayırırsınız.

🖼️Okunur Grafik

Zaman serisi grafiklerini doğru ölçek ve biçimle sunarsınız.

Anahtar Konular

pandas zaman serisipandas görselleştirmedataframe plotresamplerolling meandatetimeindexmevsimsel ayrıştırmapython zaman serisi analizipandas grafik

“Zaman serisi, geçmişin bugüne anlattığı hikâyedir.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

pandas temeli

DataFrame okuma, seçme ve filtreleme bilinmelidir.

2

Jupyter ortamı

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

3

matplotlib

Temel grafik çizimi faydalıdır.

4

İstatistik

Ortalama ve standart sapma bilinmelidir.

Eğitim İçeriği

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

Günün hedefiKatılımcı pandas ile temel grafik türlerini üretir ve matplotlib ile özelleştirir.

Modül 1

plot API

Çizgi, çubuk, alan grafikleri
Histogram ve kde
Kutu ve saçılım
subplots=True
Çift eksen (secondary_y)
Kategorik sıralama

Modül 2

Görsel Özelleştirme

Başlık, etiket, açıklama
Renk ve stil
Çizgi ve işaretçi
Eksen sınırları ve log ölçek
Tarih ekseni biçimleme
Dışa aktarma

Modül 3

Gruplama ve Grafik

groupby sonrası çizim
pivot_table ile yığılmış çubuk
Normalize edilmiş yığın
Isı haritası (imshow)
Küçük çoklu grafikler
Açıklama notları

Modül 4

Etkileşimli Seçenekler

Plotly backend
hvPlot girişi
Hover bilgisi
Zoom ve seçim
HTML dışa aktarma
Ne zaman statik, ne zaman etkileşimli

Günün hedefiKatılımcı zaman serisi verisini hazırlar, özetler ve örüntüleri görselleştirir.

Modül 1

Tarih İndeksi

to_datetime ve format
DatetimeIndex
Tarih dilimleme (df["2024-01"])
Hafta, ay, çeyrek özellikleri
Saat dilimi (tz_localize, tz_convert)
İş günü takvimi

Modül 2

Yeniden Örnekleme

resample ve sıklık kodları
asfreq
Toplulaştırma yöntemi seçimi
Yukarı ve aşağı örnekleme
Boşluk doldurma (ffill, interpolate)
Eksik tarih tespiti

Modül 3

Pencere ve Değişim

rolling mean ve std
expanding
ewm
shift, diff, pct_change
Getiri ve bileşik büyüme
Bollinger bandı örneği

Modül 4

Mevsimsellik ve Anomali

Trend-mevsim-kalan ayrıştırma
Otokorelasyon grafiği
Z-skor ile anomali
Yıllık karşılaştırma
Basit tahmin (naive, MA)
Proje: sensör verisi izleme panosu

Eğitim Kazanımları

Program sonunda katılımcılar:

📈

Zaman grafiği

pandas ile çizgi ve alan grafikleri üretebilirsiniz.

📅

Tarih indeksi

DatetimeIndex ile dilimleme yapabilirsiniz.

🔁

Resample

Veri sıklığını değiştirip toplulaştırabilirsiniz.

🪟

Hareketli ortalama

rolling ve ewm ile yumuşatma yapabilirsiniz.

🌤️

Mevsimsellik

Trend ve mevsim bileşenlerini ayırabilirsiniz.

🚨

Anomali tespiti

Z-skor ile aykırı noktaları işaretleyebilirsiniz.

🌍

Saat dilimi

tz_convert ile zaman dilimi dönüşümü yapabilirsiniz.

🖼️

Grafik özelleştirme

Başlık, ölçek ve açıklamalarla okunur grafik hazırlayabilirsiniz.

Kimler İçin Uygundur?

pandas bilen ve zaman bazlı verilerle (satış
finans
sensör) çalışan analistler içindir

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

pandas bilen ve zaman bazlı verilerle (satış, finans, sensör) çalışan analistler içindir.

Tahmin modelleri var mı?

Yalnızca basit naive ve hareketli ortalama tahmini; ARIMA gibi modeller kapsam dışıdır.

Hangi veriler kullanılır?

Hisse fiyatı, hava durumu ve sensör verisi.

Plotly zorunlu mu?

Hayır; matplotlib ağırlıklıdır, Plotly isteğe bağlı gösterilir.

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 - USING PANDAS FOR VISUALIZATIONS AND TIME-SERIES DATA EĞİTİMİ