# İleri Pandas (Data Science & ML)

> GroupBy, merge, concat, pivot tables, time series, apply/transform, MultiIndex, performans

- 24 mülakat soruları
- Mid-Level
- [Mülakat Soruları: Data Science & ML](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari.md)

## 1. Hangi metot, groupby ile tek bir sütuna birden fazla farklı agregasyon fonksiyonu uygulamaya olanak tanır?

**Cevap**

agg() (veya aggregate()) metodu, aynı sütunlara birden fazla agregasyon fonksiyonu uygulamaya olanak tanır. ['sum', 'mean', 'count'] gibi bir fonksiyon listesi veya sütun başına farklı fonksiyonlar belirtmek için bir sözlük geçebilirsiniz. Bu esneklik, tek bir işlemde kapsamlı istatistiksel raporlar oluşturmak için gereklidir.

## 2. Named aggregation sözdizimini kullanarak groupby agregasyonu sırasında sonuç sütunlarını açıkça nasıl adlandırabilirsiniz?

**Cevap**

Named aggregation sözdizimi, anahtar kelime argümanları aracılığıyla adlandırılmış tuple'larla agg() kullanır. Örneğin: df.groupby('category').agg(total_sales=('sales', 'sum'), avg_price=('price', 'mean')). Bu yaklaşım, sonraki işlemleri zorlaştırabilecek sütunlardaki MultiIndex'i önleyerek açık ve okunabilir sütun adları üretir.

## 3. groupby bağlamında transform() ve apply() arasındaki temel fark nedir?

**Cevap**

transform() girdiyle aynı boyutta, orijinal indekse hizalanmış bir sonuç döndürür, her satıra grup istatistikleri (örn. grup ortalaması) eklemek için idealdir. apply() daha esnektir ve farklı boyutta sonuç döndürebilir, ancak genellikle daha yavaştır. Grup normalleştirmesi veya z-score hesaplama gibi işlemler için transform() kullanın.

## 21 soru daha mevcut

- groupby içindeki grupları yalnızca bir koşulu karşılayanları (örneğin 10'dan fazla öğesi olan gruplar) tutmak için nasıl filtrelersiniz?
- pd.merge() how='left' ile how='inner' arasındaki fark nedir?

Ücretsiz kaydol: https://sharpskill.dev/tr/login

## Diğer Data Science & ML mülakat konuları

- [Python Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/python-basics.md): 25 soru, Junior
- [Python Nesne Yönelimli Programlama](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/python-oop.md): 20 soru, Junior
- [Python Veri Yapıları](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/python-data-structures.md): 20 soru, Junior
- [Git Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/git-fundamentals.md): 18 soru, Junior
- [SQL Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/sql-basics.md): 20 soru, Junior
- [NumPy Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/numpy-fundamentals.md): 22 soru, Junior
- [Pandas Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/pandas-basics.md): 22 soru, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/jupyter-colab.md): 16 soru, Junior
- [SQL Joins ve Gelişmiş Sorgular](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/sql-joins-advanced.md): 22 soru, Mid-Level
- [Matplotlib & Seaborn ile Görselleştirme](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/matplotlib-seaborn.md): 20 soru, Mid-Level
- [Plotly ile Etkileşimli Görselleştirmeler](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/plotly-interactive.md): 18 soru, Mid-Level
- [Tanımlayıcı İstatistik](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/statistics-descriptive.md): 20 soru, Mid-Level
- [Çıkarımsal İstatistik](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/statistics-inferential.md): 24 soru, Mid-Level
- [Web Scraping](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/web-scraping.md): 18 soru, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/bigquery-cloud.md): 18 soru, Mid-Level
- [Feature Engineering](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/feature-engineering.md): 22 soru, Mid-Level
- [Denetimli ML: Regresyon](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-supervised-regression.md): 24 soru, Mid-Level
- [Denetimli ML: Sınıflandırma](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-supervised-classification.md): 24 soru, Mid-Level
- [Karar Ağaçları ve Topluluk Yöntemleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-trees-ensembles.md): 24 soru, Mid-Level
- [Denetimsiz ML](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-unsupervised.md): 22 soru, Mid-Level
- [ML Pipeline'ları & Doğrulama](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-pipelines-validation.md): 22 soru, Mid-Level
- [Zaman Serileri & Tahminleme](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/time-series-forecasting.md): 22 soru, Mid-Level
- [Deep Learning Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/deep-learning-fundamentals.md): 24 soru, Senior
- [TensorFlow & Keras](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/tensorflow-keras.md): 22 soru, Senior
- [CNN ve görüntü sınıflandırma](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/cnn-image-classification.md): 24 soru, Senior
- [RNN ve Diziler](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/rnn-sequences.md): 22 soru, Senior
- [Transformers ve Attention](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/transformers-attention.md): 24 soru, Senior
- [NLP ve Hugging Face](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/nlp-huggingface.md): 24 soru, Senior
- [GenAI ve LangChain](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/genai-langchain.md): 24 soru, Senior
- [MLOps ve Dağıtım](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/mlops-deployment.md): 24 soru, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/pandas-advanced