Kurt F. fk-pixel

|Blogger 🖍 |Developer ⛏ |Analyst 📊

fk-pixel / Pandas korelasyon.py

Created August 24, 2020 17:21

	#ülkeler mutluluk siralamasi kriterleri ve max enfekte olan sayi arasindaki korelasyon icin iki veri setimizde artik hazir
	#öncelikle join ile iki verinin tek cerceve icine alinmasi:
	data = corona_data.join(happiness_report_csv,how="inner")
	data.head()
	#daha sonra korelasyon fonksiyonunu kullanacagiz:
	data.corr()
	#ve datanin görsellestirilme islemi baslar:
	data.head()

	#iki verinin seaborn ile korelasyon incelemesi:

fk-pixel / Pandas sütun.py

Last active August 24, 2020 17:11

	#yukarda daha önceden tanimlanmis bir 'max_infection_rates' varsa 'max_infection_rate' sütununu eklemek icin:

	corona_dataset_aggregated["max_infection_rate"] = max_infection_rates

	#sadece bu sütunu diger sütunlar olmaksizin göstermesi icin:
	corona_data = pd.DataFrame(corona_dataset_aggregated["max_infection_rate"])
	corona_data.head()

	#kullanilmayacak sütunlardan kurtulma:
	#önce hangi sütunlari istemiyoruz listeleyelim:

fk-pixel / Pandas max tüm liste.py

Created August 24, 2020 16:54

	countries = list(corona_dataset_aggregated.index)
	max_infection_rates = [] #bu bos bir liste
	for c in countries : #simdi bir döngü olusturuyoruz,her ülke icin liste ismini countries diye belirledigimiz icin karisiklik olmamasi icin her country ifadesini kisace her c diyelim:
	max_infection_rates.append(corona_dataset_aggregated.loc[c].diff().max())

	max_infection_rates

fk-pixel / Pandas türev.py

Created August 24, 2020 16:53

	#hangi periyotlarin öne ciktigini vurgulamak gözlemek icin türev grafik faydalidir.
	#göze carpan, trend olan böylece daha net anlasilir
	corona_dataset_aggregated.loc["China"].diff().plot()

	#maksimum yeni enfekte hasta sayisini ögrenmek icin (Cin - Italya - Ispanya):
	corona_dataset_aggregated.loc["China"].diff().max()
	corona_dataset_aggregated.loc["Italy"].diff().max()
	corona_dataset_aggregated.loc["Spain"].diff().max()

fk-pixel / Pandas sadece belli bir veriyi cek.py

Last active August 24, 2020 16:49

	corona_dataset_aggregated.loc["China"]

	#ayni veriyi plot ile görsellestirmek istersek:
	corona_dataset_aggregated.loc["China"].plot()

	#grafikte kime ait oldugu da gösterilsin istersek:
	plt.legend()

	#sadece veri setimizdeki ilk 3 günün verisini Cin icin göstermek istersek:
	corona_dataset_aggregated.loc["China"][:3].plot()

fk-pixel / Pandas bir sütunu grup yapma.py

Last active August 24, 2020 16:44

	df_aggregated = x_dataset_csv.groupby("Sütun Ismi").sum()

	#böylece sütun altindaki veriler birlestirilmis oluyor (aggregated data)

fk-pixel / Pandas sütun eksiltirken.py

Created August 24, 2020 16:41

df.drop(["X", "Y"],axis=1,inplace=True)

fk-pixel / first 10 citys_sbucks_de3.py

Created August 22, 2020 13:37

	plt.figure(figsize=(15,10))

	sns.barplot(x=city_names, y=city_values, palette=sns.color_palette('BuGn', n_colors=10))
	plt.xticks(rotation= 45)
	plt.xlabel('Citys')
	plt.ylabel('Size');

fk-pixel / first 10 citys_sbucks_de2.py

Created August 22, 2020 13:37

	city_names = first_ten_citys.index
	city_values = first_ten_citys.values

fk-pixel / first 10 citys_sbucks_de1.py

Created August 22, 2020 13:36

	first_ten_citys = sbucks_de.City.value_counts()[:10]
	first_ten_citys