Veri Analizi için Python ile Dosya Okuma

Adı : Veri Analizi için Python ile Dosya Okuma

Python, veri analizi için sık kullanılan bir programlama dilidir. Bu yazıda, Python kullanarak dosya okumayı ve veri analizi yapma yöntemlerini inceleyeceğiz.

Dosya Okuma ve Verilerin İşlenmesi

Python'da, bir dosyayı okumak için \"open()\" fonksiyonunu kullanırız. Bu fonksiyon, dosyayı açar ve bir dosya nesnesi döndürür. Dosya nesnesi üzerinde birçok işlem yapabiliriz, örneğin dosyayı okuyabilir veya dosyaya yazabiliriz.

Fonksiyon, iki parametre alır, ilk parametre olarak dosya adını belirtiriz ve ikinci parametre olarak dosyanın açılış modu belirtilir. Dosyanın açılış modu, dosyanın okunup yazılabilir olması hakkında bilgi verir. Örneğin:

```python
file = open(\"ornek.txt\", \"r\")
```

yukarıdaki kod, \"ornek.txt\" adlı dosyayı okuma modunda açar ve \"file\" adlı bir dosya nesnesine atar. Dosya nesnesi üzerinde \"read()\" fonksiyonunu kullanarak dosyayı okuyabiliriz. Dosyadan okunan veriler, bir dize olarak döndürülür. Örneğin:

```python
file = open(\"ornek.txt\", \"r\")
content = file.read()
print(content)
```

yukarıdaki kod, \"ornek.txt\" adlı dosyadan okunan verileri ekrana yazdırır.

Bir dosyadan okunan verilerin işlenmesi, verinin türüne ve işlem yapılacak verinin boyutuna göre değişebilir. Veriler genellikle sayılar veya metinlerdir. Örnek olarak, aşağıdaki kod, \"ornek.txt\" adlı bir dosyadan metin verileri okur, satır satır işler ve sonucunu \"lines\" adlı bir liste nesnesi olarak döndürür:

```python
file = open(\"ornek.txt\", \"r\")
lines = file.readlines()
for line in lines:
# Each line of the file has been processed here.
print(line)
```

Benzer şekilde, bir dosyadan sayısal veri okurken, verilerin işlenmesi için farklı yöntemler kullanılır. Örneğin, aşağıdaki kod, \"sayilar.txt\" adlı bir dosyadan sayılar okur, toplar ve sonucunu ekrana yazdırır:

```python
file = open(\"sayilar.txt\", \"r\")
content = file.read()
numbers = content.split(\",\")
total = 0
for number in numbers:
total += int(number)
print(\"Total:\", total)
```

burada, \"sayilar.txt\" adlı dosyadaki sayılar, virgülle ayrılmış bir yığın olarak okunur. Daha sonra, \"split()\" fonksiyonu aracılığıyla sayılar ayrıştırılır ve liste nesnesine dönüştürülür. Sayılar, daha sonra döngü içinde toplanır ve sonucu ekrana yazdırılır.

Veri Analizi İçin Numpy ve Pandas Kütüphaneleri Kullanımı

Python, veri analizi için iki popüler kütüphane ile birlikte gelir: Numpy ve Pandas. Bu kütüphaneler, verilerin kolayca işlenmesini ve analiz edilmesini sağlar.

Numpy, sayısal verileri işleyen bir kütüphanedir. Numpy dizileri, tek boyutlu ve çok boyutlu dizileri içerebilir. Örnek olarak, aşağıdaki kod, Numpy kütüphanesini kullanarak bir tek boyutlu dizi oluşturur ve dizinin her öğesi 10 ile çarpılır:

```python
import numpy as np

x = np.array([1, 2, 3, 4, 5])
y = x * 10
print(y)
```

Pandas kütüphanesi, tablolar (dataframe) olarak bilinen veri yapılarını işlemek için kullanılır. Veriler, sütun ve satırlar halinde düzenlenir. Örnek olarak, aşağıdaki kod, Pandas kütüphanesini kullanarak bir veri tablosu oluşturur ve tablodaki verileri ekrana yazdırır:

```python
import pandas as pd

data = {'Name': ['Ali', 'Fatma', 'Mehmet', 'Ayşe', 'Veli'],
'Age': [25, 28, 30, 23, 31],
'City': ['Istanbul', 'Ankara', 'Izmir', 'Adana', 'Bursa'],
'Salary': [5000, 6000, 7500, 4000, 9000]}
df = pd.DataFrame(data)
print(df)
```

Pandas kütüphanesindeki \"read_csv()\" fonksiyonu, CSV dosyalarından veri okumak için yaygın olarak kullanılır. Örnek olarak, aşağıdaki kod, \"employees.csv\" adlı bir CSV dosyasından veri okur ve veri tablosunu ekrana yazdırır:

```python
import pandas as pd

df = pd.read_csv(\"employees.csv\")
print(df)
```

Sık Sorulan Sorular

1. Bir dosyadan veri okurken, hangi yöntemi kullanmalıyım?
- Dosyadan okunan verilerin türüne ve boyutuna bağlı olarak, uygun yöntem seçilebilir. Metin verileri okumak için \"read()\" veya \"readlines()\" fonksiyonları kullanılabilir, sayısal veriler için ise, verilerin tipine uygun bir yöntem kullanılabilir.

2. Numpy kütüphanesine ne zaman ihtiyacımız olur?
- Sayısal verilerin işlenmesi gerektiğinde, özellikle çok boyutlu diziler üzerinde işlem yapılacaksa, Numpy kütüphanesi kullanılabilir.

3. Pandas kütüphanesi neden kullanılır?
- Veri analizi için kullanılır. Pandas, tablo verilerini kolayca düzenleyip işleyebilir. Bu nedenle, büyük veri kümeleme yapılıyorsa, Pandas kütüphanesi kullanılabilir."