groupby ve pivot

Kanca

7. derste “her kategorinin ortalama tutarını” bulmak için 4 kategoriyi tek tek filtreleyip 4 ayrı .mean() çağırmıştık. Ya 50 kategori olsaydı? siparisler.groupby("kategori")["tutar"].mean() — tek satır, kaç kategori olursa olsun.

Sezgi

groupby, “böl-uygula-birleştir” (split-apply-combine) mantığıyla çalışır: veriyi bir sütuna göre gruplara BÖLER, her gruba aynı işlemi UYGULAR, sonuçları tek bir tabloda BİRLEŞTİRİR. Bu, 7. derste elle yaptığımız “her kategori için filtrele, sonra ortalama al” döngüsünün, pandas içinde optimize edilmiş hâlidir.

pivot_table ise groupby’ın iki boyutlu bir sonucunu, bir Excel çapraz tablosu gibi DÜZLEŞTİRİR — satırlar bir kategori, sütunlar başka bir kategori olur, hücrelerde de özet değer durur.

Mekanizma

Tek bir sütuna göre gruplayarak başlayalım:

# groupby: "kategoriye göre GRUPLA, sonra her grup için bir özet hesapla."
kategori_ozet = siparisler.groupby("kategori")["tutar"].mean()
print("Kategoriye göre ortalama tutar:")
print(kategori_ozet.sort_values(ascending=False))

# Aynı anda birden fazla istatistik: .agg()
kategori_detay = siparisler.groupby("kategori")["tutar"].agg(["count", "mean", "sum"])
print("\nKategori bazında sayı, ortalama, toplam:")
print(kategori_detay)

Kategoriye göre ortalama tutar:
kategori
Kitap         169.766410
Giyim         161.701429
Ev & Yaşam    160.827121
Elektronik    157.555773
Name: tutar, dtype: float64

Kategori bazında sayı, ortalama, toplam:
            count        mean       sum
kategori                               
Elektronik     97  157.555773  15282.91
Ev & Yaşam     66  160.827121  10614.59
Giyim          98  161.701429  15846.74
Kitap          39  169.766410   6620.89

.agg(["count", "mean", "sum"]) ile aynı anda birden fazla istatistik hesapladık — Kitap kategorisinin ortalama tutarı en yüksek (169.77 TL) ama sadece 39 siparişle en az satılan kategori. Şimdi iki sütuna birden gruplayalım:

# Birden fazla sütuna göre gruplamak: liste ver.
bolge_kategori = siparisler.groupby(["bolge", "kategori"])["tutar"].mean()
print("\nBölge + kategori kırılımında ortalama tutar (ilk 8 satır):")
print(bolge_kategori.head(8))
print(f"\nSonucun tipi: {type(bolge_kategori).__name__}  (çok seviyeli indeksli bir Series)")

Bölge + kategori kırılımında ortalama tutar (ilk 8 satır):
bolge    kategori  
Akdeniz  Elektronik    137.711154
         Ev & Yaşam    227.546000
         Giyim         162.902667
         Kitap         117.888000
Ege      Elektronik    152.400000
         Ev & Yaşam    157.511852
         Giyim         152.267222
         Kitap         146.330000
Name: tutar, dtype: float64

Sonucun tipi: Series  (çok seviyeli indeksli bir Series)

Sonuç, çok seviyeli (multi-index) bir Series — her satır hem bölge hem kategori etiketi taşıyor. Bu okunabilir ama bir “tablo” gibi görünmüyor. Çoğu kişi bu noktada “veri kayboldu” sanır. Değil, çünkü veri kaybolmadı, sadece iki boyutlu bir bilgiyi tek boyutlu (uzun formatlı) bir yapıda tutuyoruz — pivot_table bunu görsel olarak daha tanıdık bir tabloya çevirir.

Matematik

Kod

Aynı bölge×kategori kırılımını pivot_table ile gerçek bir tabloya çevirelim:

# pivot_table: aynı iki-boyutlu kırılımı, bir Excel çapraz tablosu gibi DÜZLEŞTİRİR.
capraz_tablo = siparisler.pivot_table(values="tutar", index="bolge", columns="kategori", aggfunc="mean")
print("\nÇapraz tablo (bölge × kategori):")
print(capraz_tablo.round(1))

Çapraz tablo (bölge × kategori):
kategori    Elektronik  Ev & Yaşam  Giyim  Kitap
bolge                                           
Akdeniz          137.7       227.5  162.9  117.9
Ege              152.4       157.5  152.3  146.3
Marmara          179.4       134.2  191.1  178.3
İç Anadolu       169.2       146.4  139.8  186.9

Şimdi bölgeler satırda, kategoriler sütunda — Excel’deki “PivotTable” özelliğiyle birebir aynı mantık.

Nerede işe yarar

groupby ve pivot_table, veri özetlemenin en sık kullanılan iki aracıdır:

• İş raporlama. “Aya göre, bölgeye göre satış” gibi çapraz özetler doğrudan pivot_table ile üretilir.
• Kohort analizi. Kullanıcıları kayıt ayına göre gruplayıp, her kohortun davranışını karşılaştırmak.
• A/B test sonuçları. Test grubuna göre gruplayıp her grubun ortalama metriğini karşılaştırmak — 14. derste z-testiyle birleşen bir adım.

Bu 3 hatayı yaparsın:

1. groupby sonucunu “kayıp veri” sanıp pivot_table yerine tekrar filtrelemeye dönmek.
2. aggfunc belirtmeden pivot_table çağırıp varsayılan (ortalama) davranışın beklentiyle uyuşmadığını fark etmemek.
3. Çok seviyeli indeksli bir Series’e normal tek seviyeli bir Series gibi erişmeye çalışmak — .loc[("Ege", "Kitap")] gibi bir demet (tuple) gerekir.

Kendini test et

Özet