MehmetDorukhanÜÇER

 örnek python şirket için veri analizi import pandas as pd import numpy as np import matplotlib.pyplot as plt # Örnek bir veri çerçevesi oluşturun (gerçek verilerinizi kullanmalısınız) veri = {     'Şirket Adı': ['Şirket A', 'Şirket B', 'Şirket C', 'Şirket D', 'Şirket E'],     'Çalışan Sayısı': [100, 150, 250, 300, 200],     'Yıllık Gelir (Milyon TL)': [10, 15, 30, 40, 20],     'Müşteri Sayısı': [500, 700, 1000, 1200, 800],     'Rakip Sayısı': [3, 5, 7, 4, 6] } df = pd.DataFrame(veri) # Finansal analiz ortalama_gelir = df['Yıllık Gelir (Milyon TL)'].mean() en_yüksek_gelir = df['Yıllık Gelir (Milyon TL)'].max() en_düşük_gelir = df['Yıllık Gelir (Milyon TL)'].min() # Demografik analiz ortalama_müşteri_sayısı = df['Müşteri Sayısı'].mean() en_fazla_müşteri_sayısı = df['Müşteri Sayısı'].max() en_az_müşteri_sayısı = df['Müşteri Sayısı'].min() # Pazar rekabet analizi...

 Drawing cool shapes with Python Turtle If turtle is not installed, type pip install PythonTurtle in the terminal from turtle import * # initialize all function from turtle import colorsys   speed(0) h=0.1 bgcolor('black')   for i in range(170):     c=colorsys.hsv_to_rgb(h,1,1)     color(c)     h+=0.2     for j in range(2):         fd(i)         lt(71)         rt(120)     rt(240)     lt(51) done()

 Here is a nice Estimated Ecommerce Sales code using pyhton before this download pip install scikit-learn library import pandas as pd import numpy as np import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression # Rastgele örnek e-ticaret verileri oluşturun np.random.seed(0) musteri_sayisi = 100 reklam_harcamalari = np.random.uniform(0, 10, musteri_sayisi) urun_fiyatlari = np.random.uniform(10, 100, musteri_sayisi) toplam_satislar = 30 * reklam_harcamalari + 5 * urun_fiyatlari + np.random.normal(0, 30, musteri_sayisi) # Verileri bir veri çerçevesine dökün veriler = pd.DataFrame({'Reklam Harcamaları': reklam_harcamalari, 'Ürün Fiyatları': urun_fiyatlari, 'Toplam Satışlar': toplam_satislar}) # Eğitim ve test verilerini oluşturun X = veriler[['Reklam Harcamaları', 'Ürün Fiyatları']] y = veriler['Toplam Satışlar'] X_train, X_test, y_train, y_test = train_test_split(X,...

 Nice simple python project using numpy library import numpy as np # Örnek bir Numpy dizisi oluşturun veriler = np.array([12, 5, 17, 8, 25, 10, 7, 15, 9, 20]) # Dizi elemanlarını görüntüleyin print("Veriler:") print(veriler) # Dizinin toplamını hesaplayın toplam = np.sum(veriler) print("\nToplam:", toplam) # Dizinin ortalama değerini hesaplayın ortalama = np.mean(veriler) print("Ortalama:", ortalama) # Dizinin en büyük değerini bulun en_buyuk = np.max(veriler) print("En Büyük Değer:", en_buyuk) # Dizinin en küçük değerini bulun en_kucuk = np.min(veriler) print("En Küçük Değer:", en_kucuk) # Dizinin standart sapmasını hesaplayın standart_sapma = np.std(veriler) print("Standart Sapma:", standart_sapma)

 Nice simple python project using pandas library import pandas as pd # Örnek veri oluşturun veriler = {     'Öğrenci Adı': ['Ali', 'Mehmet', 'Ayşe', 'Fatma', 'Ahmet'],     'Notlar': [85, 90, 78, 92, 88],     'Sınıf': [10, 11, 10, 12, 11] } # Veri çerçevesini oluşturun df = pd.DataFrame(veriler) # Veri çerçevesini görüntüleyin print("Veri Çerçevesi:") print(df) # Not ortalamasını hesaplayın ortalama_not = df['Notlar'].mean() print("\nOrtalama Not:", ortalama_not) # En yüksek notu bulun en_yuksek_not = df['Notlar'].max() print("En Yüksek Not:", en_yuksek_not) # Sınıf bazında ortalama notları hesaplayın sinif_ortalama = df.groupby('Sınıf')['Notlar'].mean() print("\nSınıf Bazında Ortalama Notlar:") print(sinif_ortalama)

 Nice simple python project using matplotlib library, install pip library before installing these libraries. Then, you can easily install the library by typing py -m pip install matplotlib in the visual studio terminal section. import matplotlib.pyplot as plt # Örnek verileri oluşturun x = [1, 2, 3, 4, 5] y = [2, 4, 1, 3, 5] # Çizgi grafiği oluşturun plt.plot(x, y, label='Veri Seti', color='b', marker='o', linestyle='-', linewidth=2) # Eksen etiketleri ve başlık ekleyin plt.xlabel('X Ekseni') plt.ylabel('Y Ekseni') plt.title('Matplotlib Örnek Çizgi Grafiği') # Grafik üzerindeki veri noktalarını işaretleyin for i in range(len(x)):     plt.text(x[i], y[i], f'({x[i]}, {y[i]})', ha='right') # Grafik için bir legent ekleyin plt.legend() # Grafik penceresini gösterin plt.show()

  Bulk file rename application import os # Yeniden adlandırılacak dosyaların bulunduğu klasörü belirtin kaynak_klasor = "path/to/your/source/folder" # Yeniden adlandırılmış dosyaların kaydedileceği klasörü belirtin hedef_klasor = "path/to/your/destination/folder" # Klasördeki tüm dosyaları listele dosyalar = os.listdir(kaynak_klasor) # Dosyaları döngüye alarak yeniden adlandırın for dosya_adı in dosyalar:     kaynak_dosya = os.path.join(kaynak_klasor, dosya_adı)          # Dosya adını dilediğiniz şekilde değiştirin (örneğin, yeni adın sonuna "_yenidad" ekliyoruz)     yeni_dosya_adı = dosya_adı.replace(".", "_yenidad.")          hedef_dosya = os.path.join(hedef_klasor, yeni_dosya_adı)          # Dosyayı yeniden adlandırın     os.rename(kaynak_dosya, hedef_dosya)     print(f"{kaynak_dosya} --> {hedef_dosya}") print("Tüm dosyalar yeniden adlandırıldı.")