Giriş
Python programlama dilinde veri analizi denilince akla gelen ilk kütüphanelerden biri Pandas’tır. Pandas, özellikle veri manipülasyonu ve analizi için kapsamlı araçlar sunar. Bu araçlar arasında iloc, verilerle etkileşimde bulunurken son derece faydalı olan bir yöntemdir. Bu makalede, iloc kullanımını derinlemesine ele alacak ve verilerinizi daha etkin bir şekilde nasıl yöneteceğinizi göstereceğiz.
iloc, Pandas DataFrame ve Series nesnelerini kullanarak veriye konumsal olarak erişmenizi sağlar. Yani, verilerinizi satır ve sütun index numaralarıyla alt kümeleyip, belirli verilere ulaşmanızı sağlar. Özellikle büyük veri setleri ile çalışırken bu özellik, verilerinize daha hızlı ulaşmanızı ve analiz yapmanızı kolaylaştırır. Öğrenmeye başlayabilmek için biraz temel bilgiden bahsedelim.
Pandas kütüphanesi, veri çerçeveleri ve seriler gibi güçlü veri yapıları barındırır. Bu yapılarla iloc yöntemini kullanarak, verileri daha verimli bir şekilde keşfedebilir, analiz edebilir ve yönetebilirsiniz. Giriş kısmında iloc’un ne olduğunu ve neden önemli olduğunu ele aldık, şimdi daha derin bilgiye dalalım.
iloc ile Temel Kullanım
iloc, ‘Integer Location’ kısaltmasıdır ve Pandas içerisinde indeks numaralarıyla veriye erişim sağlamak için kullanılır. Basit bir kullanım örneği ile başlayalım. İlk olarak, Pandas kütüphanesini ve örnek bir DataFrame oluşturalım:
import pandas as pd
# Örnek DataFrame oluşturma
veri = {
'İsim': ['Ege', 'Ahmet', 'Mehmet', 'Ayşe', 'Fatma'],
'Yaş': [28, 34, 23, 40, 29],
'Meslek': ['Yazılımcı', 'Mühendis', 'Doktor', 'Eğitmen', 'Sanatçı']
}
df = pd.DataFrame(veri)
print(df)Bunu çalıştırdığınızda, aşağıdaki gibi bir çıktı alacaksınız:
İsim Yaş Meslek
0 Ege 28 Yazılımcı
1 Ahmet 34 Mühendis
2 Mehmet 23 Doktor
3 Ayşe 40 Eğitmen
4 Fatma 29 SanatçıBurada basit bir DataFrame oluşturduk ve birkaç kişi ile ilgili bilgileri girdik. Şimdi bu DataFrame’e iloc ile nasıl erişeceğimizi görelim. Örneğin, ilk satırdaki bilgilere erişmek için şu kodu yazabilirsiniz:
ilk_satir = df.iloc[0]
print(ilk_satir)Bu kod, DataFrame’in ilk satırındaki tüm bilgileri getirir. Çıktı aşağıdaki gibi olacaktır:
İsim Ege
Yaş 28
Meslek Yazılımcı
Name: 0, dtype: objectiliyeti ile bu noktada şunu da hatırlatmakta fayda var: iloc, sıfırdan başlayan indeksler kullanarak çalışır. Yani, ilk veri sıfır indeksi ile başlar. Bu durumu aklımızda tutarak verilerimize erişim sağlayabiliriz.
iloc ile Veri Seçimi
iloc kullanarak sadece belirli satırlara ya da sütunlara erişmekle kalmaz, aynı zamanda belirli bir alt küme oluşturup verilerinizi analiz etmek için farklı kombinasyonlar da yapabilirsiniz. Örneğin, belirli bir sütundaki verileri almak için şu şekilde bir kullanım yapabilirsiniz:
yaslar = df.iloc[:, 1]
print(yaslar)Bu kod, DataFrame’deki ikinci sütun (Yaş) verilerini almanızı sağlar. Çıktı aşağıdaki gibi olacaktır:
0 28
1 34
2 23
3 40
4 29
Name: Yaş, dtype: int64Burada dikkat etmeniz gereken önemli bir nokta, iki nokta üst üste (:) kullandığımızda, bu tüm satırları seçmemize olanak tanır. Yani, belirli bir sütunu tüm satırlar için almak için bu yöntemi kullanmış olduk. Benzer şekilde belirli bir aralığa da erişmek mümkündür:
ilk_uc = df.iloc[0:3]
print(ilk_uc)Bu kod, ilk üç satırı alarak ekrana yazdırır. Çıktı aşağıdaki gibi olacaktır:
İsim Yaş Meslek
0 Ege 28 Yazılımcı
1 Ahmet 34 Mühendis
2 Mehmet 23 DoktorBurada dikkat edilmesi gereken bir başka önemli nokta da, bitiş değeri olan 3’ün dahil edilmediğidir. Yani 0, 1 ve 2 indeksli satırları almış olduk. Bu tür erişim ve alt kümeleme işlemleri, veri setlerinin analizi sırasında sıkça kullanılan yöntemlerdir.
Çoklu Satır ve Sütun Seçimi
iloc ile aynı anda birden fazla satır ve sütun seçmek de mümkündür. Çoklu seçim yaparken, listenin içine istenen satır ve sütunların indisini vererek, istenen alt kümenin oluşturulmasını sağlayabilirsiniz. Örneğin, yalnızca belirli satır ve sütunları seçelim:
secim = df.iloc[[0, 1, 3], [0, 2]]
print(secim)Bu kod ile 0, 1 ve 3 indeksli satırlardan 0 ve 2 indeksli sütunları almış olduk. Çıktıda yalnızca seçtiğimiz bilgiler yer alır:
İsim Meslek
0 Ege Yazılımcı
1 Ahmet Mühendis
3 Ayşe EğitmenBu örnek, iloc’un sunduğu esnekliği ve çok yönlülüğü açıkça gözler önüne seriyor. Verilerinizi farklı kombinasyonlarla alt kümeleyerek analiz yapmanızda size büyük bir avantaj sağlayabilir. Bu tür çoklu seçimlerde dikkat edilmesi gereken bazı hususlar bulunmaktadır; yanlış indeks kullanımı, hatalı seçime sebep olabilir. Bu nedenle seçimlerinizi yaparken verinizin boyutunu ve yapısını iyi analiz etmek önemlidir.
Hata Yönetimi ve İloc Kullanımında Yaygın Hatalar
İloc kullanırken, veri çerçevelerinizin sınırlarının dışına çıkmamak oldukça önemlidir. Verilen bir indeksin geçerli olup olmadığını kontrol etmezseniz, IndexError hatası alabilirsiniz. Örneğin:
hata = df.iloc[10]Burada 10. indeks yoksa, bir hata ile karşılaşacaksınız. Bu nedenle, iloc kullanmadan önce DataFrame’in boyutunu kontrol etmek iyi bir pratiktir:
print(df.shape)Bu kod, DataFrame’in boyutunu verir; örneğin (5, 3), 5 satır ve 3 sütun olduğunu belirtir. Boyutları kontrol ederek, veri seçimlerinizin geçerli olduğundan emin olabilirsiniz. Ayrıca, seçtiğiniz veri aralığına dikkat etmek, hataları önlemek için önemlidir.
Bunun yanı sıra, iloc ile dönen verilerin veri tipine de dikkat etmelisiniz. İloc ile bir DataFrame’den yalnızca bir satır veya sütun aldığınızda, geri dönen nesnenin veri tipi Series olacaktır. Bu durumu anlamak ve kullanmak, verinizle çalışırken avantaj sağlayacaktır. Eğer yine bir DataFrame istiyorsanız, birden fazla satır ve sütun seçtiğinizden emin olmanız gerekir.
Sonuç
Pandas kütüphanesinin güçlü özelliklerinden biri olarak iloc, veri çerçeveleriniz üzerindeki verileri daha hızlı ve etkin bir biçimde sorgulamanıza olanak tanır. Verilerinizi alt kümelere ayırmak, belirli bilgilere kolayca erişmek ya da sadece belirli bir bölümü incelemek için kullanabileceğiniz esnek bir araçtır. Bu makalede iloc’un temel kullanımını, çoklu seçim yöntemlerini ve hata yönetimi konularını detaylandırdık.
Artık iloc ile çalışma konusunda daha fazla bilgiye sahip olduğunuzu umuyoruz. Kendi veri kümenizle iloc yöntemini deneyerek, veri manipülasyonu becerilerinizi geliştirebilir ve projelerinizde etkin bir şekilde kullanabilirsiniz. Unutmayın, veri analizi öğrenmek sürekli bir yolculuktur; her yeni araç ve yöntem, size bu yolculukta yardımcı olacaktır!
Herhangi bir sorunuz veya deneyimlerinizi paylaşmak isterseniz, yorumlar kısmında bize ulaşmaktan çekinmeyin. Şimdi sırayı size bırakıyoruz; kendi verileriniz üzerinde iloc ile oynamaya başlayın!