Pandas: Python'da Veri İşleminin Tartışmasız Standardı

"Veri Excel'de değil, kodda olmalı"

2008: Wes McKinney, AQR Capital Management'de quant. Excel'in finansal veri analizi için sınırlı olduğunu görüyor. R'ın tidyverse'i ise henüz yok.

Çözüm: kendi Python kütüphanesini yaz — pandas (panel data).

15 yıl sonra: Python veri biliminin standartı.

DataFrame fikri

import pandas as pd
df = pd.read_csv('satislar.csv')
df.head()

Çıktı: tablo — sütunlar isimli, satırlar indeksli.

DataFrame: R'ın data.frame'inin NumPy üzerine Python versiyonu. Hızlı, vectorized.

Temel operasyonlar

Seçim ve filtreleme

df[df['fiyat'] > 100]
df.loc[df.tarih > '2024-01-01', ['ürün', 'fiyat']]

Gruplama

df.groupby('kategori')['fiyat'].mean()

Birleştirme

pd.merge(df1, df2, on='müşteri_id')

Pivot

df.pivot_table(values='satış', index='ay', columns='ürün', aggfunc='sum')

Zaman serisi

df.resample('M').sum()
df.rolling(window=7).mean()

NumPy'dan farkı

NumPy: homojen çok boyutlu dizi. Sayısal hesaplama.

pandas: heterojen tablo. Sütunlar farklı türde (sayı, metin, tarih). İsimli indeks. Eksik veri (NaN) doğal.

NumPy üzerine kurulu — alt yapısı NumPy.

Ekosistem

• scikit-learn: ML, DataFrame girdi.
• matplotlib/seaborn: görselleştirme.
• statsmodels: istatistik modeller.
• Plotly: interaktif.
• Streamlit/Dash: dashboard.

Hepsi pandas DataFrame ile çalışır → standartlaşma.

Performans sınırlamaları

Pandas single-threaded, tek makinede. Büyük veri (10GB+) zorlanır.

Modern alternatifler:

• Polars (Ritchie Vink, 2020): Rust ile yazılmış, çok hızlı, lazy evaluation.
• Dask: paralel pandas, dağıtık.
• Modin: drop-in replacement.
• DuckDB: SQL + pandas birleşimi.
• pyarrow: kolonlu format, hızlı I/O.

Polars özellikle 5-10x hız sunduğu için 2023-2025 ana akıma giriyor.

Sözdizimi acısı

Pandas eleştirilen tarafları:

• SettingWithCopyWarning: zor anlaşılır.
• Çoklu indeks (MultiIndex): karmaşık.
• API tutarsızlık: apply, map, applymap — hangisi?
• Hız: büyük veride yavaş.

dplyr (R) genellikle daha temiz kabul edilir.

Wes McKinney

• Duke lisans (mathematics, 2007).
• AQR Capital quant (2007-2010) — pandas burada doğdu.
• Cloudera, Two Sigma — büyük veri.
• Ursa Computing (2020-) — Apache Arrow.

2010'da pandas'ı açık kaynak'a aldı. 2017'de NumFOCUS vakfı altına geçirdi.

Apache Arrow

Wes'in büyük vizyonu: kolonlu bellek formatı. pandas, Polars, DuckDB, Spark — hepsi Arrow okuyabilir → veri transferi sıfır kopya.

Modern veri bilimi altyapısının temel standardı.

Türk endüstrisinde

• Bankacılık: Garanti, İş Bankası analitik ekipleri pandas standartı.
• E-ticaret: Trendyol, Hepsiburada veri ekipleri.
• Telekom: Turkcell veri ambarı analizi.
• Devlet: TÜİK ve TCMB Python geçişi pandas'ı içerir.

Sıkça yapılan hatalar

1. Loop kullanımı

# Yanlış:
for i in range(len(df)):
    df.loc[i, 'yeni'] = df.loc[i, 'fiyat'] * 1.18
# Doğru:
df['yeni'] = df['fiyat'] * 1.18

Vectorized 100x hızlı.

2. apply yerine direkt operasyon

apply Python loop'u → yavaş. NumPy/pandas builtin tercih.

3. Bellek yönetimi

Büyük CSV pd.read_csv(..., chunksize=10000) ile parçalı oku.

4. SettingWithCopyWarning görmezden gelme

Veri bozulmasına neden olur. Daima .loc veya .copy().

Eğitim

• "Python for Data Analysis" (McKinney 2012, 3. baskı 2022) — standart kitap.
• Kaggle Pandas Course — ücretsiz, interaktif.
• pandas.pydata.org dokümantasyonu — örnekli, açık.

Kapanış

Pandas, Python veri biliminin omurgasıdır. Mükemmel değil — Polars hızlı, dplyr temiz — ama ekosistem, olgunluk, kullanıcı tabanı sayesinde 2025'te hâlâ standardı.

Bir kuşak veri bilimcinin ilk Python kütüphanesi: import pandas as pd.