Python Final Project

EN

🚀 Python Final Project

✨ Description

This project serves as a comprehensive collection of practical examples demonstrating fundamental data analysis and visualization techniques using essential Python libraries: NumPy, Pandas, and Matplotlib. It is designed to provide hands-on experience with data manipulation, filtering, sorting, and graphical representation through interactive Jupyter Notebooks. Whether you're a beginner looking to grasp core concepts or an intermediate user seeking quick reference examples, this repository offers valuable insights into common data science workflows.

🌟 Features

• NumPy Integration: Examples showcasing efficient array operations and numerical computations.
• Pandas Data Handling: Demonstrations of data loading, cleaning, filtering, sorting, and manipulation using DataFrames.
• Matplotlib Visualization: Practical examples for creating various types of plots and charts to visualize data insights.
• Real-world Data: Utilizes .csv datasets (country.csv, 50_Startups.csv) to provide relevant context for the examples.
• Jupyter Notebooks: Interactive and executable notebooks (Veri_filtreleme_sıralama_projesi.ipynb, Veri_Görsellestirme_odevi.ipynb) for an engaging learning experience.

📂 Project Structure

.
├── project-1/
│   ├── country.csv
│   └── Veri_filtreleme_sıralama_projesi.ipynb
├── project-2/
│   ├── 50_Startups.csv
│   └── Veri_Görsellestirme_odevi.ipynb
├── LICENSE
└── README.md

• project-1/: Contains a Jupyter notebook demonstrating data filtering and sorting techniques using Pandas, along with a country.csv dataset.
• project-2/: Includes a Jupyter notebook focused on data visualization using Matplotlib, featuring the 50_Startups.csv dataset.
• LICENSE: The MIT License file.
• README.md: This project overview.

⚙️ Installation

This project does not require a complex installation process beyond having Python and the necessary data science libraries installed.

1. Clone the repository:

   git clone https://github.com/Software-Guardians/Python-Final-Project.git
   cd Python-Final-Project

2. Install dependencies (if you don't have them): It's highly recommended to use a virtual environment to manage project dependencies.

   # Create a virtual environment
   python -m venv venv
   # Activate the virtual environment
   source venv/bin/activate  # On Windows: `venv\Scripts\activate`
   # Install the required libraries
   pip install numpy pandas matplotlib jupyter

💻 Usage

Once you have cloned the repository and installed the dependencies, you can open and run the Jupyter notebooks to explore the examples:

1. Start Jupyter Lab or Jupyter Notebook: Navigate to the project root directory in your terminal and execute:

   jupyter lab # Or `jupyter notebook`

   This will open a new tab in your web browser.

2. Navigate to the project directories: Within the Jupyter interface, navigate into the project-1 or project-2 folders.

3. Open and execute notebooks: Click on the .ipynb files (e.g., Veri_filtreleme_sıralama_projesi.ipynb) to open them. You can then run the cells sequentially to see the data processing and visualization examples in action. Feel free to modify the code and experiment to deepen your understanding.

👋 Contributing

We welcome contributions to this project! If you have suggestions, improvements, or want to add more examples, please follow these guidelines:

1. Fork the repository to your GitHub account.
2. Clone your forked repository to your local machine:

   git clone https://github.com/YOUR_USERNAME/Python-Final-Project.git
   cd Python-Final-Project

3. Create a new branch for your feature or bugfix:

   git checkout -b feature/your-new-feature-name

4. Make your changes and ensure they adhere to good coding practices, including comments where necessary.
5. Commit your changes with a clear and descriptive commit message:

   git commit -m "feat: Add new data visualization example for sales trends"

6. Push your changes to your forked repository:

   git push origin feature/your-new-feature-name

7. Open a Pull Request against the main branch of the original repository. Please describe your changes thoroughly in the pull request description.

📄 License

This project is licensed under the MIT License - see the LICENSE file for details.

🔗 Repository

You can find the full source code and project history on GitHub: https://github.com/Software-Guardians/Python-Final-Project

✍️ Author

• Emrullah Enis Çetinkaya

🗓️ Date

2/10/2025

---

TR

🚀 Python Bitirme Projesi

✨ Açıklama

Bu proje, temel Python kütüphaneleri olan NumPy, Pandas ve Matplotlib kullanarak temel veri analizi ve görselleştirme tekniklerini gösteren kapsamlı bir pratik örnekler koleksiyonu olarak hizmet vermektedir. Etkileşimli Jupyter Notebook'ları aracılığıyla veri manipülasyonu, filtreleme, sıralama ve grafiksel gösterim konularında uygulamalı deneyim sağlamak üzere tasarlanmıştır. İster temel kavramları anlamak isteyen bir başlangıç seviyesi kullanıcı olun, ister hızlı referans örnekleri arayan orta seviye bir kullanıcı olun, bu depo yaygın veri bilimi iş akışlarına değerli içgörüler sunar.

🌟 Özellikler

• NumPy Entegrasyonu: Verimli dizi işlemleri ve sayısal hesaplamaları sergileyen örnekler.
• Pandas Veri İşleme: DataFrameler kullanarak veri yükleme, temizleme, filtreleme, sıralama ve manipülasyon gösterimleri.
• Matplotlib Görselleştirme: Veri içgörülerini görselleştirmek için çeşitli grafik ve çizelge türleri oluşturmaya yönelik pratik örnekler.
• Gerçek Dünya Verileri: Örnekler için ilgili bağlam sağlamak amacıyla .csv veri setleri (country.csv, 50_Startups.csv) kullanır.
• Jupyter Notebook'lar: İlgi çekici bir öğrenme deneyimi için etkileşimli ve çalıştırılabilir notebook'lar (Veri_filtreleme_sıralama_projesi.ipynb, Veri_Görsellestirme_odevi.ipynb).

📂 Proje Yapısı

.
├── project-1/
│   ├── country.csv
│   └── Veri_filtreleme_sıralama_projesi.ipynb
├── project-2/
│   ├── 50_Startups.csv
│   └── Veri_Görsellestirme_odevi.ipynb
├── LICENSE
└── README.md

• project-1/: Pandas kullanarak veri filtreleme ve sıralama tekniklerini gösteren bir Jupyter not defteri ile birlikte bir country.csv veri setini içerir.
• project-2/: 50_Startups.csv veri setini içeren, Matplotlib kullanarak veri görselleştirmeye odaklanmış bir Jupyter not defteri içerir.
• LICENSE: MIT Lisans dosyası.
• README.md: Bu proje genel bakışı.

⚙️ Kurulum

Bu proje, Python ve gerekli veri bilimi kütüphanelerinin yüklü olmasının ötesinde karmaşık bir kurulum süreci gerektirmez.

1. Depoyu klonlayın:

   git clone https://github.com/Software-Guardians/Python-Final-Project.git
   cd Python-Final-Project

2. Bağımlılıkları yükleyin (eğer kurulu değillerse): Proje bağımlılıklarını yönetmek için sanal bir ortam kullanmanız şiddetle tavsiye edilir.

   # Sanal bir ortam oluşturun
   python -m venv venv
   # Sanal ortamı etkinleştirin
   source venv/bin/activate  # Windows'ta: `venv\Scripts\activate`
   # Gerekli kütüphaneleri yükleyin
   pip install numpy pandas matplotlib jupyter

💻 Kullanım

Depoyu klonladıktan ve bağımlılıkları yükledikten sonra, örnekleri incelemek için Jupyter not defterlerini açıp çalıştırabilirsiniz:

1. Jupyter Lab veya Jupyter Notebook'u başlatın: Terminalinizde projenin kök dizinine gidin ve çalıştırın:

   jupyter lab # Veya `jupyter notebook`

   Bu, web tarayıcınızda yeni bir sekme açacaktır.

2. Proje dizinlerine gidin: Jupyter arayüzünde, project-1 veya project-2 klasörlerine gidin.

3. Notebook'ları açın ve çalıştırın: .ipynb dosyalarına (örn. Veri_filtreleme_sıralama_projesi.ipynb) tıklayarak bunları açın. Daha sonra hücreleri sırayla çalıştırarak veri işleme ve görselleştirme örneklerini uygulamalı olarak görebilirsiniz. Anlayışınızı derinleştirmek için kodu değiştirmekten ve denemekten çekinmeyin.

👋 Katkıda Bulunma

Bu projeye katkılarınızı memnuniyetle karşılıyoruz! Önerileriniz, iyileştirmeleriniz varsa veya daha fazla örnek eklemek istiyorsanız, lütfen şu yönergeleri izleyin:

1. Depoyu GitHub hesabınıza fork'layın.
2. Fork'ladığınız depoyu yerel makinenize klonlayın:

   git clone https://github.com/YOUR_USERNAME/Python-Final-Project.git
   cd Python-Final-Project

3. Özelliğiniz veya hata düzeltmeniz için yeni bir dal oluşturun:

   git checkout -b feature/your-new-feature-name

4. Değişikliklerinizi yapın ve gerektiğinde yorumlar dahil olmak üzere iyi kodlama uygulamalarına uyduklarından emin olun.
5. Değişikliklerinizi taahhüt edin (commit edin) net ve açıklayıcı bir commit mesajıyla:

   git commit -m "feat: Add new data visualization example for sales trends"

6. Değişikliklerinizi fork'ladığınız depoya itin (push edin):

   git push origin feature/your-new-feature-name

7. Orijinal deponun main dalına karşı bir Çekme İsteği (Pull Request) açın. Lütfen çekme isteği açıklamasında değişikliklerinizi ayrıntılı olarak açıklayın.

📄 Lisans

Bu proje MIT Lisansı altında lisanslanmıştır - ayrıntılar için LICENSE dosyasına bakın.

🔗 Depo

Tüm kaynak kodunu ve proje geçmişini GitHub'da bulabilirsiniz: https://github.com/Software-Guardians/Python-Final-Project

✍️ Yazar

• Emrullah Enis Çetinkaya

🗓️ Tarih

2/10/2025

---

DE

🚀 Python Abschlussprojekt

✨ Beschreibung

Dieses Projekt dient als umfassende Sammlung praktischer Beispiele, die grundlegende Datenanalyse- und Visualisierungstechniken mithilfe essentieller Python-Bibliotheken demonstrieren: NumPy, Pandas und Matplotlib. Es wurde entwickelt, um praktische Erfahrungen mit Datenmanipulation, -filterung, -sortierung und grafischer Darstellung durch interaktive Jupyter Notebooks zu vermitteln. Ob Sie ein Anfänger sind, der Kernkonzepte verstehen möchte, oder ein fortgeschrittener Benutzer, der schnelle Referenzbeispiele sucht, dieses Repository bietet wertvolle Einblicke in gängige Data-Science-Workflows.

🌟 Funktionen

• NumPy-Integration: Beispiele, die effiziente Array-Operationen und numerische Berechnungen zeigen.
• Pandas Datenverarbeitung: Demonstrationen des Ladens, Bereinigens, Filterns, Sortierens und Manipulierens von Daten mit DataFrames.
• Matplotlib Visualisierung: Praktische Beispiele zum Erstellen verschiedener Arten von Diagrammen und Charts zur Visualisierung von Dateneinblicken.
• Daten aus der Praxis: Verwendet .csv-Datensätze (country.csv, 50_Startups.csv), um relevanten Kontext für die Beispiele zu liefern.
• Jupyter Notebooks: Interaktive und ausführbare Notebooks (Veri_filtreleme_sıralama_projesi.ipynb, Veri_Görsellestirme_odevi.ipynb) für eine fesselnde Lernerfahrung.

📂 Projektstruktur

.
├── project-1/
│   ├── country.csv
│   └── Veri_filtreleme_sıralama_projesi.ipynb
├── project-2/
│   ├── 50_Startups.csv
│   └── Veri_Görsellestirme_odevi.ipynb
├── LICENSE
└── README.md

• project-1/: Enthält ein Jupyter Notebook, das Datenfilter- und Sortiertechniken mit Pandas demonstriert, zusammen mit einem country.csv-Datensatz.
• project-2/: Enthält ein Jupyter Notebook, das sich auf Datenvisualisierung mit Matplotlib konzentriert und den 50_Startups.csv-Datensatz verwendet.
• LICENSE: Die MIT-Lizenzdatei.
• README.md: Diese Projektübersicht.

⚙️ Installation

Dieses Projekt erfordert keinen komplexen Installationsprozess, außer dass Python und die notwendigen Data-Science-Bibliotheken installiert sind.

1. Das Repository klonen:

   git clone https://github.com/Software-Guardians/Python-Final-Project.git
   cd Python-Final-Project

2. Abhängigkeiten installieren (falls Sie diese nicht haben): Es wird dringend empfohlen, eine virtuelle Umgebung zu verwenden, um Projektabhängigkeiten zu verwalten.

   # Eine virtuelle Umgebung erstellen
   python -m venv venv
   # Die virtuelle Umgebung aktivieren
   source venv/bin/activate  # Unter Windows: `venv\Scripts\activate`
   # Die benötigten Bibliotheken installieren
   pip install numpy pandas matplotlib jupyter

💻 Verwendung

Nachdem Sie das Repository geklont und die Abhängigkeiten installiert haben, können Sie die Jupyter Notebooks öffnen und ausführen, um die Beispiele zu erkunden:

1. Jupyter Lab oder Jupyter Notebook starten: Navigieren Sie im Terminal zum Stammverzeichnis des Projekts und führen Sie aus:

   jupyter lab # Oder `jupyter notebook`

   Dadurch wird ein neuer Tab in Ihrem Webbrowser geöffnet.

2. Zu den Projektverzeichnissen navigieren: Innerhalb der Jupyter-Oberfläche navigieren Sie in die Ordner project-1 oder project-2.

3. Notebooks öffnen und ausführen: Klicken Sie auf die .ipynb-Dateien (z.B. Veri_filtreleme_sıralama_projesi.ipynb), um sie zu öffnen. Sie können die Zellen dann der Reihe nach ausführen, um die Datenverarbeitungs- und Visualisierungsbeispiele in Aktion zu sehen. Fühlen Sie sich frei, den Code zu ändern und zu experimentieren, um Ihr Verständnis zu vertiefen.

👋 Mitwirken

Wir freuen uns über Beiträge zu diesem Projekt! Wenn Sie Vorschläge, Verbesserungen haben oder weitere Beispiele hinzufügen möchten, befolgen Sie bitte diese Richtlinien:

1. Forken Sie das Repository in Ihr GitHub-Konto.
2. Klonen Sie Ihr geforktes Repository auf Ihren lokalen Rechner:

   git clone https://github.com/YOUR_USERNAME/Python-Final-Project.git
   cd Python-Final-Project

3. Erstellen Sie einen neuen Branch für Ihr Feature oder Ihren Bugfix:

   git checkout -b feature/your-new-feature-name

4. Nehmen Sie Ihre Änderungen vor und stellen Sie sicher, dass sie guten Programmierpraktiken entsprechen, einschließlich Kommentaren, wo nötig.
5. Committen Sie Ihre Änderungen mit einer klaren und aussagekräftigen Commit-Nachricht:

   git commit -m "feat: Add new data visualization example for sales trends"

6. Pushen Sie Ihre Änderungen in Ihr geforktes Repository:

   git push origin feature/your-new-feature-name

7. Eröffnen Sie einen Pull Request gegen den main-Branch des ursprünglichen Repositorys. Beschreiben Sie Ihre Änderungen bitte ausführlich in der Pull-Request-Beschreibung.

📄 Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – Details finden Sie in der Datei LICENSE.

🔗 Repository

Den vollständigen Quellcode und die Projekthistorie finden Sie auf GitHub: https://github.com/Software-Guardians/Python-Final-Project

✍️ Autor

• Emrullah Enis Çetinkaya

🗓️ Datum

2/10/2025