---
title: Pandas
slug: pandas-4c146
url: /detay/pandas-4c146
type: article
language: Türkçe
entity:
  primary: Pandas
  type: article
  disambiguation: Pandas: Python'da veri analizi için açık kaynaklı, güçlü bir kütüphane. Veri manipülasyonu ve analizi için ideal.
  categories:
    - name: Yazılım Ve Yapay Zekâ
      slug: yazilim-ve-yapay-zeka
      url: /kategori/yazilim-ve-yapay-zeka
  tags:
    - PandasTutorial
    - PandasDataFrame
    - PandasSeries
    - PandasOfficialWebsite
    - PandasGitHub
    - PandasDocumentation
    - Pandas
    - DataScience
author: Yasin Şahin
created_at: 2025-04-19T11:39:33.971323+03:00
updated_at: 2025-04-25T15:38:00.703449+03:00
image: https://cdn.t3pedia.org/media/uploads/2025/04/19/PHK3UB6hMGW0Fcf80H2vPx0vJTPDhytK.jpg
---

# Pandas 

<!-- CONTEXT: Article Content for "Pandas " -->

## Article Content

### **Tarihçesi**

Pandas, Python programlama dili için geliştirilen açık kaynaklı bir [veri](/tr/detay/veri-2/llms.txt) analizi kütüphanesidir. 2008 yılında **Wes McKinney** tarafından geliştirilmeye başlanmıştır. McKinney, o dönemde [finans](/tr/detay/finans-748638/llms.txt) alanında çalışıyor ve veri analizinde Python’un eksikliklerini [fark](/tr/detay/fark-2/llms.txt) ediyordu. Bu ihtiyaç [üzerine](/tr/detay/uzerine/llms.txt), özellikle **zaman serisi verileri** ile [etkin](/tr/detay/etkin/llms.txt) çalışabilmek için Pandas’ı geliştirdi. [Kütüphane](/tr/detay/kutuphane-2/llms.txt) ismini "**Panel Data**" teriminden ve "Python Data Analysis" ifadelerinden alır.

Pandas, 2015 yılında NumFOCUS çatısı altına alınmış ve [topluluk](/tr/detay/topluluk-751365/llms.txt) katkılarıyla sürekli gelişmektedir. [Bugün](/tr/detay/bugun-2/llms.txt), veri bilimi ve [makine öğrenmesi](/tr/detay/makine-ogrenmesi-748491/llms.txt) uygulamalarında temel bir [araç](/tr/detay/arac-3/llms.txt) haline gelmiştir.

### **Temel Özellikleri**

Pandas’ın en [önemli](/tr/detay/onemli-0325c/llms.txt) iki temel veri yapısı vardır:

- **Series**: Tek boyutlu etiketli diziler (numpy array’e benzer).
- **DataFrame**: İki boyutlu etiketli tablo (satır ve sütunlardan oluşur, Excel ya da SQL tablosuna benzer).

#### **Diğer temel özellikleri**

- Hızlı ve esnek veri okuma/yazma (CSV, Excel, SQL, JSON, vs.).
- Eksik verilerle kolay çalışma.
- Veri filtreleme, gruplama, toplulaştırma (groupby).
- Zaman serisi desteği.
- Verilerin dönüştürülmesi (pivot, melt, stack, unstack).
- Güçlü indeksleme yapısı.

### **Kullanım Alanları**

- Veri Analizi ve Görselleştirme
- Makine Öğrenmesi Öncesi Veri Hazırlığı
- Finansal Zaman Serisi Analizi
- İstatistiksel Analizler
- Büyük Veri Uygulamaları (Dask ile birlikte)
- Veri Tabanı Yönetimi (SQL ile etkileşim)

### **Kurulum**

#### **Temel Kodlarla Pandas Kullanımı**

##### **1- İçe Aktarma (Import)**

##### **2- Series Oluşturma**

##### **3- DataFrame Oluşturma**

##### **4- CSV Dosyası Okuma ve Yazma**

##### **5- Veri İnceleme**

##### **6- Veri Seçimi ve Filtreleme**

##### **7- Veri Temizleme**

##### **8- Yeni Sütun Ekleme / Silme**

##### **9- Gruplama ve Toplama (GroupBy)**

##### **10- Zaman Serisi Analizi**

##### **11- Pivot Table**

### **Pandas ve Python Ekosistemindeki Yeri**

Pandas, Python’un veri bilimi ekosisteminin temel taşlarından biridir. Diğer popüler kütüphanelerle [birlikte](/tr/detay/birlikte/llms.txt) kusursuz şekilde çalışır:

- **NumPy**: Pandas, NumPy dizileri üzerine inşa edilmiştir.
- **Matplotlib / Seaborn**: Görselleştirme için veri hazırlığı sağlar.
- **Scikit-learn**: Makine öğrenmesi algoritmalarına veri hazırlığı için kullanılır.
- **Jupyter Notebook**: Pandas ile birlikte interaktif analiz ortamı sunar.
- **Dask**: Büyük veriler için paralel Pandas işlemleri yapılmasını sağlar.

#### **Avantajları**

- Kullanımı kolay ve okunabilir.
- Hızlı veri analizi ve dönüştürme işlemleri.
- Güçlü zaman serisi araçları.
- Büyük topluluk ve sürekli gelişim.

#### **Dezavantajları**

- Bellek verimliliği düşüktür; çok büyük verilerde performans sınırlıdır.
- Çok iş parçacıklı işlem desteği sınırlıdır (Dask ile aşılabilir).

Pandas, Python’da veri bilimi alanında çalışan herkesin öğrenmesi gereken temel kütüphanelerden biridir. Hem [küçük](/tr/detay/kucuk-750344/llms.txt) çaplı projelerde hem de büyük kurumsal veri analizlerinde [yaygın](/tr/detay/yaygin-748456/llms.txt) olarak kullanılır. Esnek yapısı, geniş [özellik](/tr/detay/ozellik/llms.txt) yelpazesi ve güçlü topluluğu sayesinde, veri analizi denildiğinde akla gelen ilk araçlardan biri olmuştur.

<!-- CONTEXT: Academic Sources and References for "Pandas " -->

## Academic Sources and References

1. Pandas. Pandas Documentation. Erişim tarihi: 21.04.2025. https://pandas.pydata.org/pandas-docs/stable/.Pandas. Pandas GitHub Repository. Erişim tarihi: 21.04.2025. https://github.com/pandas-dev/pandas.Pandas. Pandas Official Website. Erişim tarihi: 21.04.2025. https://pandas.pydata.org/.