Sütun Oluşturma ve Veri Okuma

Notebook Link: https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-pandas/blob/master/3%20-%20Pandas%20-%20DataFrames.ipynb

Notebook Link 2: https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-pandas/blob/master/5%20-%20Pandas%20-%20Reading%20CSV%20and%20Basic%20Plotting.ipynb

Dataframe'leri Değiştirme/Düzenleme

Satır ekleme

Charmander'in gelişmiş hali olan Charizard'ı da ekleyelim:

pokemon.append(pd.Series({
    "atak": 104,
    "savunma": 78,
    "tür": "ateş",
    "hız": 100,
    "boy": 1.7
}, name="Charizard"))
	        atak	savunma	 hız	tür	        boy
Bulbasaur	49	    49	     45	    ot	        0.7
Charmander	52	    43	     65	    ateş	    0.6
Squirtle	48	    65	     43	    su	        0.5
Pikachu	    55	    40	     90	    elektrik	0.4
Onix	    45	    160	     70	    kaya	    8.8
Charizard	104	    78	     100	ateş	    1.7

Not: dataframe'e satırı eklemek için kodu: pokemon = pokemon.append(...) şekinde yazmamız gerekir.

Sütunları kullanarak yeni bir sütun oluşturma

Örneğin; atak, savunma ve hız değerlerini toplayıp "toplam güç" adında bir sütuna yazabiliriz:

# sütunu oluşturalım
pokemon["toplam güç"] = pokemon["atak"] + pokemon["savunma"] + pokemon["hız"]
# dataframe'i yazdıralım
pokemon
            atak	savunma	 hız	tür	        boy	    toplam güç
Bulbasaur	49	    49	     45	    ot	        0.7	    143
Charmander	52	    43	     65	    ateş	    0.6	    160
Squirtle	48	    65	     43	    su	        0.5	    156
Pikachu	    55	    40	     90	    elektrik	0.4	    185
Onix	    45	    160	     70	    kaya	    8.8	    275

Ya da "atak/savunma" oranını yani bir pokemonun ne kadar atak yapmaya yönelik olduğunu (saldırganlık) bulabiliriz: ,

# sütunu ekleyelim
pokemon["saldırganlık"] = pokemon["atak"] / pokemon["savunma"]

# dataframe'i yazdıralım
pokemon
            atak	savunma	hız	tür	        boy	    toplam güç	saldırganlık
Bulbasaur	49	    49	    45	ot	        0.7	    143	        1.000000
Charmander	52	    43	    65	ateş	    0.6	    160	        1.209302
Squirtle	48	    65	    43	su	        0.5	    156	        0.738462
Pikachu	    55	    40	    90	elektrik	0.4	    185	        1.375000
Onix	    45	    160	    70	kaya	    8.8	    275	        0.281250

Şu anda yaptığımız işlem, veri analizi için önemli bir işlemdi. Pokemonların atak/savunma oranları bize önemli bir bilgi veriyor. Saldırganlık değerlerine baktığımızda en az saldırgan olan pokemonun Onix olduğunu görüyoruz ki bu pokemon kaya türü olan ve tam bir savunma pokemonu. Squirtle da kaplumbağaya benzeyen bir pokemon ve savunmaya meyilli. Atak pokemonları olarak ise Charmander'ı ve özellikle Pikachu'yu görüyoruz. Evet, Pikachu'nun atağı güçlü ancak savunması zayıf.

İstatistiksel bilgi edinmek

NumPy array'lerde yapabileceğimiz istatistiksel hesaplamaları aynı şekilde dataframe ya da serilerde de yapabiliriz. Önceden gördüğümüz gibi ".describe()" metodu ile sayısal sütunların istatistiksel bilgisini edinebiliriz.

Dışarıdan Veri Okuma

Pandas kullanarak CSV, Excel, JSON gibi dosyaları okuyabilir ve dataframe'lere yükleyebiliriz. Pandas ile en çok CSV dosyaları kullanılır. "Comma Separated Values" yani "virgül ile ayrılmış değerler" anlamına gelir. Verideki her değer birer virgül ile, her satır ise birer satır sonu ile ayrılmıştır. Örneğin; aşağıda bitcoin'in zamana göre değerlerini içeren bir CSV verisi örneği var:

2017-04-02 00:00:00,1099.169125
2017-04-03 00:00:00,1141.813

Bazı CSV verilerinde ilk satırda sütunların hangi bilgileri içerdiği yazabilir:

zaman,değer
2017-04-02 00:00:00,1099.169125
2017-04-03 00:00:00,1141.813

Biz "btc-market-price.csv" adlı zamana bağlı bitcoin fiyatlarını gösteren bir veriyi inceleyeceğiz. Bu veriyi indirmek için <a href="https://raw.githubusercontent.com/ine-rmotr-curriculum/freecodecamp-intro-to-pandas/master/data/btc-market-price.csv">linke</a> giderek CTRL ve S harflerine birlikte basabilirsiniz.

Dosyanın konumunu "pd.read_csv" fonksiyonuna parametre olarak girerek CSV dosyasını bir Dataframe şeklinde okuyabiliriz:

# veriyi okuyalım
df = pd.read_csv('btc-market-price.csv')

# verinin ilk 5 satırını yazdıralım
df.head()
    2017-04-02 00:00:00	1099.169125
0	2017-04-03 00:00:00	1141.813000
1	2017-04-04 00:00:00	1141.600363
2	2017-04-05 00:00:00	1133.079314
3	2017-04-06 00:00:00	1196.307937
4	2017-04-07 00:00:00	1190.454250

Veriyi okuduk, her satıra birer indeks verildi ancak bu veride ilk satırda sütun isimleri yoktu. Yukarıda ilk satırın sütun isimleri olarak alındığını görebiliriz. Bunu şöyle düzeltebiliriz:

# sütun isimleri olmayan veriyi okuyalım
df = pd.read_csv('btc-market-price.csv', header=None)

# sütun isimlerini kendimiz verelim
df.columns = ["zaman", "değer"]

# # verinin ilk 5 satırını yazdıralım
df.head()
    zaman	            değer
0	2017-04-02 00:00:00	1099.169125
1	2017-04-03 00:00:00	1141.813000
2	2017-04-04 00:00:00	1141.600363
3	2017-04-05 00:00:00	1133.079314
4	2017-04-06 00:00:00	1196.307937

Zaman değerlerini string olarak değil de Datetime objesi şeklinde kullanabiliriz. "pd.to_datetime" metodu ile Datetime'a yani zaman objesine dönüştürebiliriz:

# dönüştürelim
df["zaman"] = pd.to_datetime(df["zaman"])

# zaman değerlerini yazdıralım
df["zaman"].head()
0   2017-04-02
1   2017-04-03
2   2017-04-04
3   2017-04-05
4   2017-04-06
Name: zaman, dtype: datetime64[ns]

Dataframe'in indeksini zaman değerleri yaparsak daha etkin bir şekilde kullanabiliriz:

# indeksi değiştirelim
df.set_index("zaman", inplace=True)

# veriyi yazdıralım
df.head()
zaman	    değer
2017-04-02	1099.169125
2017-04-03	1141.813000
2017-04-04	1141.600363
2017-04-05	1133.079314
2017-04-06	1196.307937

İstediğimiz zamandaki değeri ".loc" metodu ile bulabiliriz:

df.loc["2017-04-04"]
1141.600363

Veriyi Görselleştirme

Pandas, Matplotlib ile entegredir ve görselleştirmeyi kolaylaştırır. Örneğin, zamana göre bitcoin değerlerini çizgi grafiği olarak gösterelim:

df.plot()

Gördüğümüz gibi kendisi grafiği çizdi ve zamanları da aylara ayırdı.

Matplotlib'in pyplot arayüzünü kullanarak da grafik çizebiliriz:

# import etmediysek edelim
import matplotlib.pyplot as plt

# grafiği x ve y eksenlerindeki değerleri vererek çizdirelim
plt.plot(df.index, df["değer"])