📊 Data Science Assignment - NumPy and Pandas Applications / Veri Bilimi Ödevi - Numpy ve Pandas Uygulamaları

🇺🇸 English {#english}

This project is a comprehensive educational assignment aimed at teaching fundamental data science operations using NumPy and Pandas libraries.

👨‍💻 Project Owner

Emrullah Enis Çetinkaya
Member of Software-Guardians organization

📋 Content

🔢 NumPy Section

1. Matrix Operations

Creating a 5x5 matrix with random numbers
Statistical calculations:
- Mean
- Standard deviation
- Variance
- Minimum and maximum values
- Sum of diagonal elements (trace)

2. Data Simulation

Simulation of exam scores for 1000 students
Realistic data generation using normal distribution
Statistical analysis and failure rate calculation

🐼 Pandas Section

Sample student dataset:

Student	Age	Department	Math	Physics	Chemistry
Ali	20	Computer	70	65	80
Ayşe	21	Physics	60	75	85
Mehmet	19	Chemistry	80	70	65
Zeynep	22	Computer	90	85	95
Ahmet	20	Physics	55	60	70

Applied Operations:

✅ DataFrame creation and data loading
📊 Subject-based average scores
🏆 Finding student with highest math score
➕ Grade point average calculation (adding new column)
📈 Department-based group analyses
🔍 Filtering successful students (average > 70)

🚀 Usage

Required Libraries

import numpy as np
import pandas as pd

Installation

pip install numpy pandas

Running

Start Jupyter Notebook:

jupyter notebook

Open veri_bilimi_odevi.ipynb file
Run cells sequentially

📁 File Structure

Python-Basic-Template-4/
├── veri_bilimi_odevi.ipynb    # Main notebook file
├── ogrenciler.csv             # Sample dataset
├── README.md                  # This file
└── requirements.txt           # Required libraries

🎯 Learning Objectives

With this project, you will learn:

NumPy: Matrix operations, statistical calculations, data simulation
Pandas: DataFrame creation, data manipulation, grouping and filtering
Data Analysis: Basic statistical analyses and visualization preparation

📊 Results

NumPy Outputs:

5x5 random matrix created
1000 student scores simulated
Failure rate calculated

Pandas Outputs:

Average scores found for each subject
Zeynep identified as having the highest math score
Department-based success analyses performed
4 students had averages above 70

🤝 Contributing

Fork this repository
Create a new feature branch (git checkout -b feature/new-feature)
Commit your changes (git commit -am 'Add new feature')
Push to the branch (git push origin feature/new-feature)
Create a Pull Request

📜 License

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

📞 Contact

Emrullah Enis Çetinkaya

GitHub: @Software-Guardians
Project: Python-Basic-Template-4

⭐ Don't forget to star if you find this project useful!

🔗 Related Resources

🇹🇷 Türkçe {#türkçe}

Bu proje, NumPy ve Pandas kütüphaneleri kullanılarak temel veri bilimi işlemlerini öğretmeyi amaçlayan kapsamlı bir eğitim ödevidir.

👨‍💻 Proje Sahibi

Emrullah Enis Çetinkaya
Software-Guardians organizasyonu üyesi

📋 İçerik

🔢 NumPy Bölümü

1. Matris İşlemleri

5x5 boyutunda rastgele sayılar içeren matris oluşturma
İstatistiksel hesaplamalar:
- Ortalama (mean)
- Standart sapma (standard deviation)
- Varyans (variance)
- Minimum ve maksimum değerler
- Köşegen elemanları toplamı (trace)

2. Veri Simülasyonu

1000 öğrencinin sınav puanları simülasyonu
Normal dağılım kullanarak gerçekçi veri üretimi
İstatistiksel analiz ve başarısızlık oranı hesaplama

🐼 Pandas Bölümü

Örnek öğrenci veri seti:

Öğrenci	Yaş	Bölüm	Matematik	Fizik	Kimya
Ali	20	Bilgisayar	70	65	80
Ayşe	21	Fizik	60	75	85
Mehmet	19	Kimya	80	70	65
Zeynep	22	Bilgisayar	90	85	95
Ahmet	20	Fizik	55	60	70

Uygulanan İşlemler:

✅ DataFrame oluşturma ve veri yükleme
📊 Ders bazında ortalama puanlar
🏆 En yüksek matematik notu alan öğrenci bulma
➕ Not ortalaması hesaplama (yeni sütun ekleme)
📈 Bölüm bazında grup analizleri
🔍 Başarılı öğrencileri filtreleme (ortalama > 70)

🚀 Kullanım

Gerekli Kütüphaneler

import numpy as np
import pandas as pd

Kurulum

pip install numpy pandas

Çalıştırma

Jupyter Notebook'u başlatın:

jupyter notebook

veri_bilimi_odevi.ipynb dosyasını açın
Hücreleri sırasıyla çalıştırın

📁 Dosya Yapısı

Python-Basic-Template-4/
├── veri_bilimi_odevi.ipynb    # Ana notebook dosyası
├── ogrenciler.csv             # Örnek veri seti
├── README.md                  # Bu dosya
└── requirements.txt           # Gerekli kütüphaneler

🎯 Öğrenme Hedefleri

Bu proje ile şunları öğreneceksiniz:

NumPy: Matris işlemleri, istatistiksel hesaplamalar, veri simülasyonu
Pandas: DataFrame oluşturma, veri manipülasyonu, gruplama ve filtreleme
Veri Analizi: Temel istatistiksel analizler ve görselleştirme hazırlığı

📊 Sonuçlar

NumPy Çıktıları:

5x5 rastgele matris oluşturuldu
1000 öğrenci puanı simüle edildi
Başarısızlık oranı hesaplandı

Pandas Çıktıları:

Her ders için ortalama puanlar bulundu
Zeynep'in en yüksek matematik notuna sahip olduğu belirlendi
Bölüm bazında başarı analizleri yapıldı
4 öğrencinin ortalaması 70'in üzerinde çıktı

🤝 Katkıda Bulunma

Bu repo'yu fork edin
Yeni bir feature branch oluşturun (git checkout -b feature/yeni-ozellik)
Değişikliklerinizi commit edin (git commit -am 'Yeni özellik eklendi')
Branch'inizi push edin (git push origin feature/yeni-ozellik)
Pull Request oluşturun

📜 Lisans

Bu proje MIT lisansı altında lisanslanmıştır. Detaylar için LICENSE dosyasına bakın.

📞 İletişim