Pandas Temelleri
DataFrames, Series, indeksleme, seçim, filtreleme, eksik değerler, veri tipleri
1Adlandırılmış satırlar ve sütunlarla tablo verilerini depolamak için ana Pandas veri yapısı nedir?
Adlandırılmış satırlar ve sütunlarla tablo verilerini depolamak için ana Pandas veri yapısı nedir?
Cevap
DataFrame, iki boyutlu tablo verilerini depolamak için tasarlanmış Pandas'ın merkezi veri yapısıdır. Her sütun farklı bir veri tipi içerebilir ve hem satırlar hem de sütunlar etiketlere (index) sahiptir. Bu yapı, bir Excel elektronik tablosuna veya SQL tablosuna benzer ve yapılandırılmış verilerin işlenmesini kolaylaştırır.
2Hangi Pandas yapısı, indeksli tek bir veri sütununu temsil eder?
Hangi Pandas yapısı, indeksli tek bir veri sütununu temsil eder?
Cevap
Series, herhangi bir veri tipini (tam sayılar, dizeler, ondalık sayılar, Python nesneleri) tutabilen tek boyutlu bir yapıdır. Her öğenin ilişkili bir indeksi vardır ve değerlere etiketleriyle erişilebilir. DataFrame'den çıkarılan bir sütun otomatik olarak Series'e dönüştürülür.
3Anahtarların sütun adlarına dönüştüğü bir Python sözlüğünden nasıl DataFrame oluşturulur?
Anahtarların sütun adlarına dönüştüğü bir Python sözlüğünden nasıl DataFrame oluşturulur?
Cevap
pd.DataFrame() fonksiyonu doğrudan bir Python sözlüğünü kabul eder. Sözlük anahtarları otomatik olarak sütun adlarına dönüşür ve değerler (listeler veya diziler) her sütunun verisi olur. Bu yöntem, Python'da yapılandırılmış verilerden DataFrame oluşturmanın en yaygın yoludur.
Bir CSV dosyasını okumak ve DataFrame'e yüklemek için hangi yöntem kullanılmalıdır?
Hızlı veri önizlemesi için DataFrame'in ilk satırlarını hangi yöntem görüntüler?
+19 mülakat soruları
Diğer Data Science & ML mülakat konuları
Python Temelleri
Python Nesne Yönelimli Programlama
Python Veri Yapıları
Git Temelleri
SQL Temelleri
NumPy Temelleri
Jupyter & Google Colab
SQL Joins ve Gelişmiş Sorgular
İleri Pandas
Matplotlib & Seaborn ile Görselleştirme
Plotly ile Etkileşimli Görselleştirmeler
Tanımlayıcı İstatistik
Çıkarımsal İstatistik
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Denetimli ML: Regresyon
Denetimli ML: Sınıflandırma
Karar Ağaçları ve Topluluk Yöntemleri
Denetimsiz ML
ML Pipeline'ları & Doğrulama
Zaman Serileri & Tahminleme
Deep Learning Temelleri
TensorFlow & Keras
CNN ve görüntü sınıflandırma
RNN ve Diziler
Transformers ve Attention
NLP ve Hugging Face
GenAI ve LangChain
MLOps ve Dağıtım
Bir sonraki mülakatın için Data Science & ML'de uzmanlaş
Tüm sorulara, flashcards'a, teknik testlere, code review alıştırmalarına ve mülakat simülatörlerine eriş.
Ücretsiz başla