Python'da Bir DataFrame'in Boyutunu Bulma

DataFrame’ler, Python betiklerinde yaygın olarak kullanılan bir veri türüdür. Python’da bir DataFrame’in boyutunu anlamak; DataFrame’i kullanırken ne kadar bellek ayrılacağına karar vermek ve betiğinizin DataFrame sınırlarının dışındaki bir öğeyi çağırmaya çalışmamasını sağlamak gibi birçok amaç için kritik öneme sahiptir. Neyse ki Python’da bir DataFrame’in boyutunu bulmanın birden fazla yolu vardır ve bu da bir Python programcısının farklı kodlama stilleri ve durumlarını karşılamak için farklı yöntemler kullanmasına olanak tanır.

Şimdi Python’da bir DataFrame’in boyutunun nasıl bulunacağını ele alalım.

Python DataFrame’lerini Anlamak

DataFrame’ler, veri biliminde çok yaygın olan, bilgiyi Python’da düzenlemenin bir yoludur. DataFrame’leri veri projelerinde olağanüstü kullanışlı kılan birkaç temel bileşen vardır.

İlk olarak, DataFrame’lerdeki bilgiler bir tablo gibi düzenlenir; bu da okunmasını ve anlaşılmasını kolaylaştırır. İkincisi, bilgiler değiştirilebilirdir; yani DataFrame oluşturulduktan sonra içindeki öğeler değiştirilebilir. Bir DataFrame’e kolaylıkla yeni öğeler ekleyebilir, mevcut öğeleri güncelleyebilir ya da kaldırabilirsiniz.

DataFrame’ler, sıralamaları açısından da kullanışlıdır. Öğeler, sıralama gibi açık bir işlem yapılmadıkça, eklendikleri sırayla DataFrame’de tutulur.

Son olarak, DataFrame’ler 0’dan başlayan bir indeks içerir; bu sayede DataFrame içindeki konumuna göre tek bir öğe seçebilirsiniz.

DataFrame’ler hakkında daha fazla bilgiyi DataCamp’in pandas ile veri işleme kursunda veya bu Python pandas öğreticisinde bulabilirsiniz.

Python DataFrame Boyutu: Genel kullanım için pandas’ta df.shape

Python pandas, analistlerin DataFrame’lerle kolayca çalışmasını sağlayan bir kütüphanedir. Bu kütüphanede, bir DataFrame’in boyutunu bulmak için kullanılan, anlaşılır bir shape yöntemi bulunur.

import pandas as pd

# Creating a sample DataFrame
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie'],
                   'Age': [25, 30, 22],
                   'City': ['New York', 'San Francisco', 'Los Angeles']})

# Using shape to get the size
rows, columns = df.shape
print(f"Number of rows: {rows}, Number of columns: {columns}")Altyapı:

Output: Number of rows: 3, Number of columns: 3Altyapı:

df.shape yöntemi, bir DataFrame’deki satır ve sütun sayısı hakkında hızlı ve kolayca bilgi sağlar.

Önemli çıkarım: df.shape, bir DataFrame’in boyutunu bulmak için başvuracağınız ana işlevdir.

Yalnızca satır sayısı için len() kullanımı

Bir listenin uzunluğunu bulmak için en basit ve en yaygın kullanılan yöntemlerden biri olan yerleşik len() işlevi, bir DataFrame’deki satır sayısını bulmak için de kullanılabilir. Bu yöntem özlü ve etkilidir. Ancak, df.shape işlevine kıyasla sınırlı bilgi sağlar.

import pandas as pd

# Creating a sample DataFrame
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie'],
                   'Age': [25, 30, 22],
                   'City': ['New York', 'San Francisco', 'Los Angeles']})

# Using len to get the number of rows
num_rows = len(df)
print(f"Number of rows: {num_rows}")Altyapı:

Output: Number of rows: 3Altyapı:

Python’da bir listenin uzunluğunu kontrol ederken, len() df.shape ile karşılaştırıldığında nadiren kullanılır. Yine de, pandas kütüphanesi olmadan bir DataFrame’deki satır sayısını hızlıca incelemenin bir yolu olabilir.

Önemli çıkarım: len(), pandas’a alternatif olarak kullanılabilecek yerleşik bir işlevdir.

Daha ayrıntılı bilgi için df.info()

Daha ayrıntılı bir boyut ölçümü gerektiğinde pandas’ın df.info() yöntemini deneyin. Bu yaklaşım, DataFrame’deki satır ve sütun sayısının yanı sıra her sütundaki veri türü ve null değer sayısı hakkında da bilgi sağlar.

import pandas as pd

# Creating a sample DataFrame
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie'],
                   'Age': [25, 30, 22],
                   'City': ['New York', 'San Francisco', 'Los Angeles']})

# Using info to get information about the DataFrame
df.info()Altyapı:

Output: 

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   Name    3 non-null      object
 1   Age     3 non-null      int64 
 2   City    3 non-null      object

dtypes: int64(1), object(2)
memory usage: 204.0+ bytesAltyapı:

Bu yöntemle satır sayısı RangeIndex altında listelenir. Yukarıdaki örnekte, üç satır (burada entry olarak adlandırılmış) olduğunu ve indeksin 0’dan başlayıp 2’de bittiğini gösterir. Sütun sayısı bunun hemen altında listelenir. Ardından, her sütunun adı; o sütundaki non-null entry sayısı ve veri türüyle birlikte verilir.

Önemli çıkarım: df.info(), bir DataFrame hakkında daha ayrıntılı bilgiler sağlayabilir.

Python DataFrame Boyutu: En İyi Uygulamalar ve İpuçları

Python’da bir DataFrame’in boyutunu bulurken akılda tutulması gereken bazı iyi uygulamalar vardır.

1. DataFrame’iniz için en iyi çalışan yöntemi seçin. Unutmayın, df.shape size satır ve sütun sayısını hızlıca verirken, df.info amacınız için gerekli olabilir ya da olmayabilir ek bilgiler sunar.
2. Gerekli tüm kütüphaneleri yükleyip içe aktardığınızdan emin olun. pandas kütüphanesi, DataFrame’lerle çalışırken temel bir araçtır.
3. Çalışmanızı iyi belgelendirin. Gelecekteki kodlayıcıların ne yaptığınızı ve neden yaptığınızı çözebilmesi için açıklayıcı yorumlar kullanın.

Sonuç

Tercihlerinize ve kod gereksinimlerinize bağlı olarak Python’da bir DataFrame’in boyutunu bulmanın birden fazla yolu vardır. İster sadelik ister ayrıntılı içgörüler isteyin, özel ihtiyaçlarınıza uygun bir yaklaşım mutlaka bulunur.

Hangi yaklaşımı kullanacağınıza karar verirken her zaman verinizin doğasını ve elde etmeyi amaçladığınız içgörüleri dikkate alın. Python DataFrame’leriyle daha fazla çalışma yolunu öğrenmek için DataCamp’in Python’a Giriş kursuna veya Finans için Orta Düzey Python kursuna göz atın. Ya da DataCamp’in Python ile veri bilimci kariyer yolunu deneyin.

Ayrıca, yüksek performanslı DataFrame analizi için pandas’a daha yeni bir rakip olan polars’a da göz atabilirsiniz. pandas ile polars arasındaki fark hakkında daha fazla okuyabilir veya polars kullanıma girişi keşfedebilirsiniz.