Python - Data Projeler: Zamlar Öngörülebilir mi? Part-1: TÜIK Verisi ve Profiling

preview_player
Показать описание
00:00 Giriş
01:18 TUIK-Enflasyon Sayfasından Veri Almak
04:20 Verinin Kırılımlarını Belirlemek
04:58 Veriyi Dosyaya İndirmek
05:40 Veriyi Okumak
07:20 Veriyi Düzenlemek
08:05 Pandas_profiling Kütphanesi
08:45 Overview Kısmı
09:38 Variables Kısmı
10:25 Correlations Kısmı
10:55 Missing Values Kısmı
11:10 Sample Kısmı

Yakın Kampüs olarak bu 3 parcali mini egitim serisinde, Facebook tarafindan gelistiricilere saglanan Python Prophet kütüphanesini kullanarak ileriye dönük trend analizlerini ele alacagiz.
Serinin ilk ayaginda, analiz edecegimiz verinin sistemden alinmasini ve pandas profiling kütüphanesi ile descriptive analizini yaparak verinin durumunu ele alacagiz.

Diğer Derslerimiz:

Sosyal medya hesaplarımızı takip edin:

Videolarımızı faydalı bulduysanız lütfen beğenmeyi, yorum yapmayı, abone olmayı ve paylaşmayı unutmayın! :) teşekkürler.

Sorularınız & paylaşımlarınız için Yazılım grubumuza katılın
Рекомендации по теме
Комментарии
Автор

En son html e aktarmakta buldum çareyi, anca öyle açabildim

dlllscreen
Автор

Merhaba hocam, birtürür seaborn ve matpolit de görselleştirme olmuyor

sracyldz
Автор

Pandas_profiling Kütphanesi yerine başka bir veri profili veren uygulama kullanabilir miyiz? Çünkü sürekli "import module" hatası aldım, "ImportError: cannot import name 'soft_unicode' from 'markupsafe' şeklinde. Anladığım kadarıyla
"markupsafe" ile "pandas-profiling" uyumlu çalışmıyor şu an için.

osmanbas
Автор

hocam site bağlanmayı reddetti hatası veriyor ilk etapta.(iframe) sebebi nedir? stackover'daki cevaplar ile düzeltemedim.

esaddemirel
Автор

merhaba hocam çok güzel uygulama yapmışsınız teşekkürler. Yalnız şurada hata yaptım bu programın kodlarını burada paylaşır mısınız.
pattern = r'.*\((.*)\)*'
df['product'] = df['product'].apply(lambda x: re.search[pattern, x].group(1))

TypeError Traceback (most recent call last)
in <module>
1 pattern = r'.*\((.*)\)*'
----> 2 df['product'] = df['product'].apply(lambda x: re.search[pattern, x].group(1))
3 # df['product'] = df['product'].apply(lambda x: x.replace[')', ''])

durduozkarc