G\u00fcn\u00fcm\u00fcz\u00fcn h\u0131zla de\u011fi\u015fen i\u015f d\u00fcnyas\u0131nda, \u00f6zellikle Nijerya gibi dinamik ve b\u00fcy\u00fcyen pazarlarda, rekabet avantaj\u0131 elde etmenin anahtar\u0131 verilere dayal\u0131 karar alma s\u00fcre\u00e7lerinden ge\u00e7mektedir. Sat\u0131\u015f zekas\u0131, i\u015fletmelerin pazar trendlerini anlamalar\u0131na, m\u00fc\u015fteri davran\u0131\u015flar\u0131n\u0131 tahmin etmelerine ve stratejilerini optimize etmelerine olanak tan\u0131r. Bu teknik makalede, Python’\u0131n g\u00fc\u00e7l\u00fc \u00f6zelliklerinden olan List Comprehension<\/strong> ve Lambda<\/strong> fonksiyonlar\u0131n\u0131 kullanarak, Nijerya pazar\u0131na \u00f6zel bir sat\u0131\u015f zekas\u0131 motoru nas\u0131l geli\u015ftirilebilece\u011fini detayland\u0131racak, veri i\u015fleme s\u00fcre\u00e7lerini nas\u0131l daha verimli ve okunabilir hale getirebilece\u011fimizi g\u00f6sterece\u011fiz.<\/p>\n Nijerya, Afrika’n\u0131n en b\u00fcy\u00fck ekonomisi ve en kalabal\u0131k \u00fclkesi olarak, i\u015fletmeler i\u00e7in hem b\u00fcy\u00fck f\u0131rsatlar hem de karma\u015f\u0131k zorluklar sunmaktad\u0131r. Bu pazarda ba\u015far\u0131l\u0131 olmak, derinlemesine pazar anlay\u0131\u015f\u0131 ve \u00e7evik karar alma yetene\u011fi gerektirir.<\/p>\n Nijerya pazar\u0131, h\u0131zla de\u011fi\u015fen t\u00fcketici tercihleri, b\u00f6lgesel farkl\u0131l\u0131klar ve geli\u015fen d\u00fczenlemelerle karakterizedir. Bu dinamik ortamda, g\u00fcncel ve do\u011fru sat\u0131\u015f verilerine eri\u015fim, i\u015fletmelerin pazarlama kampanyalar\u0131n\u0131, \u00fcr\u00fcn stratejilerini ve da\u011f\u0131t\u0131m a\u011flar\u0131n\u0131 optimize etmeleri i\u00e7in hayati \u00f6neme sahiptir. Veri toplama, temizleme ve analiz etme s\u00fcre\u00e7leri, bu pazar\u0131n karma\u015f\u0131kl\u0131\u011f\u0131na ayak uydurabilmek i\u00e7in kritik rol oynar.<\/p>\n Pazardaki yo\u011fun rekabet g\u00f6z \u00f6n\u00fcne al\u0131nd\u0131\u011f\u0131nda, rakiplerden bir ad\u0131m \u00f6nde olmak i\u00e7in sat\u0131\u015f verilerinden elde edilen i\u00e7g\u00f6r\u00fcler paha bi\u00e7ilmezdir. Hangi \u00fcr\u00fcnlerin hangi b\u00f6lgelerde daha \u00e7ok satt\u0131\u011f\u0131n\u0131, hangi d\u00f6nemlerde sat\u0131\u015flar\u0131n artt\u0131\u011f\u0131n\u0131 veya azald\u0131\u011f\u0131n\u0131 anlamak, \u015firketlerin stok y\u00f6netiminden fiyatland\u0131rma stratejilerine kadar bir\u00e7ok alanda ak\u0131ll\u0131ca kararlar almas\u0131n\u0131 sa\u011flar. Bu da do\u011frudan rekabet avantaj\u0131na d\u00f6n\u00fc\u015f\u00fcr.<\/p>\n Geleneksel veri analiz y\u00f6ntemleri genellikle zaman al\u0131c\u0131 ve hataya a\u00e7\u0131k olabilir. Otomatikle\u015ftirilmi\u015f bir sat\u0131\u015f zekas\u0131 motoru, ham veriyi h\u0131zla i\u015fleyerek y\u00f6neticilere an\u0131nda ve eyleme ge\u00e7irilebilir i\u00e7g\u00f6r\u00fcler sunar. Bu, pazar de\u011fi\u015fikliklerine daha h\u0131zl\u0131 tepki verme ve f\u0131rsatlar\u0131 daha erken yakalama yetene\u011fi kazand\u0131r\u0131r.<\/p>\n Python, veri bilimi ve yapay zeka alan\u0131ndaki pop\u00fclerli\u011fiyle, sat\u0131\u015f zekas\u0131 motorlar\u0131 geli\u015ftirmek i\u00e7in m\u00fckemmel bir se\u00e7imdir. Sundu\u011fu esneklik, geni\u015f k\u00fct\u00fcphane deste\u011fi ve okunabilirlik, onu bu t\u00fcr projeler i\u00e7in vazge\u00e7ilmez k\u0131lar.<\/p>\n Python ekosistemi, veri i\u015fleme, analiz ve g\u00f6rselle\u015ftirme i\u00e7in zengin k\u00fct\u00fcphaneler sunar. \u00d6zellikle Pandas, yap\u0131sal verilerle (tablolar, CSV dosyalar\u0131 vb.) \u00e7al\u0131\u015fmak i\u00e7in g\u00fc\u00e7l\u00fc ve kullan\u0131c\u0131 dostu ara\u00e7lar sa\u011flar. NumPy ise say\u0131sal hesaplamalar i\u00e7in y\u00fcksek performansl\u0131 diziler ve matematiksel fonksiyonlar sunar. Bu k\u00fct\u00fcphaneler, Nijerya pazar\u0131ndan toplanan b\u00fcy\u00fck ve karma\u015f\u0131k veri setlerini etkili bir \u015fekilde y\u00f6netmek i\u00e7in temel olu\u015fturur.<\/p>\n Python’\u0131n basit ve anla\u015f\u0131l\u0131r s\u00f6z dizimi, kodun kolayca yaz\u0131lmas\u0131n\u0131, okunmas\u0131n\u0131 ve s\u00fcrd\u00fcr\u00fclmesini sa\u011flar. Bu, \u00f6zellikle birden fazla geli\u015ftiricinin \u00e7al\u0131\u015ft\u0131\u011f\u0131 veya zaman i\u00e7inde g\u00fcncellenmesi gereken projelerde b\u00fcy\u00fck bir avantajd\u0131r. Esnek yap\u0131s\u0131 sayesinde, farkl\u0131 veri kaynaklar\u0131ndan (API’ler, veritabanlar\u0131, Excel dosyalar\u0131) veri \u00e7ekmek ve \u00e7e\u015fitli analizler uygulamak m\u00fcmk\u00fcnd\u00fcr.<\/p>\n Python, fikirleri h\u0131zla prototiplemeye olanak tan\u0131r. Sat\u0131\u015f zekas\u0131 motorunun ilk versiyonlar\u0131 k\u0131sa s\u00fcrede geli\u015ftirilebilir ve test edilebilir. Ayr\u0131ca, motorun i\u015flevselli\u011fi ve veri hacmi artt\u0131k\u00e7a, Python uygulamalar\u0131 genellikle iyi bir \u015fekilde \u00f6l\u00e7eklenebilir, bu da uzun vadeli s\u00fcrd\u00fcr\u00fclebilirlik sa\u011flar.<\/p>\n List Comprehension, Python’da listeleri olu\u015fturman\u0131n veya d\u00f6n\u00fc\u015ft\u00fcrmenin k\u0131sa, okunabilir ve verimli bir yoludur. Geleneksel d\u00f6ng\u00fclere k\u0131yasla hem kod sat\u0131r\u0131n\u0131 azalt\u0131r hem de genellikle daha performansl\u0131d\u0131r.<\/p>\n Bir listeyi belirli bir kurala g\u00f6re doldurmak veya mevcut bir listedeki her \u00f6\u011feye bir i\u015flem uygulamak istedi\u011fimizde List Comprehension kullan\u0131r\u0131z. Temel s\u00f6z dizimi \u015f\u00f6yledir: <\/code><\/p>\n List Comprehension'a ko\u015fullu ifadeler ekleyerek, sadece belirli kriterleri kar\u015f\u0131layan \u00f6\u011feleri dahil edebilir veya farkl\u0131 ko\u015fullara g\u00f6re farkl\u0131 i\u015flemler uygulayabiliriz. S\u00f6z dizimi: <\/code><\/p>\n \u00c7ok boyutlu listelerle \u00e7al\u0131\u015f\u0131rken veya birden fazla yinelenebilir nesne \u00fczerinde i\u015flem yaparken i\u00e7 i\u00e7e List Comprehension kullanabiliriz. Performans a\u00e7\u0131s\u0131ndan, \u00f6zellikle b\u00fcy\u00fck veri setlerinde, List Comprehension genellikle e\u015fde\u011fer d\u00f6ng\u00fclere g\u00f6re daha h\u0131zl\u0131d\u0131r \u00e7\u00fcnk\u00fc C dilinde optimize edilmi\u015f d\u00f6ng\u00fclerle uygulan\u0131r.<\/p>\n <\/code><\/p>\n Lambda fonksiyonlar\u0131, Python'da tek sat\u0131rl\u0131k, isimsiz (anonim) fonksiyonlar olu\u015fturmak i\u00e7in kullan\u0131l\u0131r. Genellikle daha b\u00fcy\u00fck bir fonksiyonun i\u00e7inde k\u0131sa s\u00fcreli bir i\u015flem i\u00e7in veya Lambda fonksiyonlar\u0131n\u0131n temel s\u00f6z dizimi <\/code><\/p>\n Lambda fonksiyonlar\u0131, Python'\u0131n yerle\u015fik y\u00fcksek dereceli fonksiyonlar\u0131yla (ba\u015fka fonksiyonlar\u0131 arg\u00fcman olarak alan fonksiyonlar) birlikte kullan\u0131ld\u0131\u011f\u0131nda ger\u00e7ek g\u00fcc\u00fcn\u00fc g\u00f6sterir. Bu kombinasyon, veri d\u00f6n\u00fc\u015f\u00fcm ve filtreleme i\u015flemlerini son derece \u00f6zl\u00fc hale getirir.<\/p>\n <\/code><\/p>\n Nijerya sat\u0131\u015f verilerini analiz ederken, lambda fonksiyonlar\u0131 b\u00f6lgesel sat\u0131\u015f performans\u0131n\u0131 kar\u015f\u0131la\u015ft\u0131rmak, belirli \u00fcr\u00fcn kategorilerini filtrelemek veya dinamik olarak yeni metrikler olu\u015fturmak i\u00e7in kullan\u0131labilir. \u00d6rne\u011fin, bir sat\u0131\u015f temsilcisinin performans\u0131n\u0131 hesaplamak i\u00e7in karma\u015f\u0131k bir form\u00fcl\u00fc tek bir lambda ifadesiyle tan\u0131mlayabiliriz.<\/p>\n Bu iki g\u00fc\u00e7l\u00fc arac\u0131 bir araya getirmek, sat\u0131\u015f zekas\u0131 motorunuzu hem daha verimli hem de daha esnek hale getirecektir. \u00d6zellikle veri temizli\u011fi, d\u00f6n\u00fc\u015f\u00fcm\u00fc ve \u00f6zetlenmesi gibi ad\u0131mlarda b\u00fcy\u00fck avantajlar sa\u011flarlar.<\/p>\n Nijerya pazar\u0131ndan gelen ham sat\u0131\u015f verileri genellikle tutars\u0131zl\u0131klar, eksik de\u011ferler veya yanl\u0131\u015f formatlar i\u00e7erebilir. List Comprehension ve Lambda, bu verileri h\u0131zl\u0131 ve etkin bir \u015fekilde temizlemek i\u00e7in kullan\u0131labilir.<\/p>\n <\/code><\/p>\n Mevcut verilerden yeni, anlaml\u0131 \u00f6zellikler (metrikler) t\u00fcretmek, sat\u0131\u015f zekas\u0131 i\u00e7in kritik \u00f6neme sahiptir. \u00d6rne\u011fin, her sat\u0131\u015f i\u015flemi i\u00e7in kar marj\u0131n\u0131 veya komisyon oran\u0131n\u0131 hesaplamak.<\/p>\n <\/code><\/p>\n Kullan\u0131c\u0131lar\u0131n veya y\u00f6neticilerin belirli kriterlere g\u00f6re an\u0131nda raporlar olu\u015fturmas\u0131n\u0131 sa\u011flamak i\u00e7in List Comprehension ve Lambda idealdir. \u00d6rne\u011fin, belirli bir \u00fcr\u00fcn kategorisi veya zaman aral\u0131\u011f\u0131 i\u00e7in sat\u0131\u015flar\u0131 filtrelemek.<\/p>\n <\/code><\/p>\n Hayali bir senaryo \u00fczerinden, bu tekniklerin Nijerya sat\u0131\u015f verileri \u00fczerinde nas\u0131l uygulanabilece\u011fine bakal\u0131m. A\u015fa\u011f\u0131daki tablo, \u00f6rnek bir sat\u0131\u015f veri setini temsil etmektedir.<\/p>\n <\/code><\/p>\n Farkl\u0131 b\u00f6lgelerin toplam sat\u0131\u015f gelirlerini hesaplayarak, hangi b\u00f6lgelerin daha iyi performans g\u00f6sterdi\u011fini h\u0131zl\u0131ca g\u00f6rebiliriz. Burada, List Comprehension ve <\/code><\/p>\n Hangi \u00fcr\u00fcnlerin en \u00e7ok satt\u0131\u011f\u0131n\u0131 veya en \u00e7ok gelir getirdi\u011fini belirlemek i\u00e7in lambda ve <\/code><\/p>\n Nijerya pazar\u0131nda sat\u0131\u015f zekas\u0131 motoru geli\u015ftirirken Python'\u0131n List Comprehension ve Lambda fonksiyonlar\u0131n\u0131 ustaca kullanmak, veri i\u015fleme s\u00fcre\u00e7lerini \u00f6nemli \u00f6l\u00e7\u00fcde h\u0131zland\u0131r\u0131r ve kodun okunabilirli\u011fini art\u0131r\u0131r. Bu ara\u00e7lar, ham sat\u0131\u015f verilerinden anlaml\u0131 i\u00e7g\u00f6r\u00fcler elde etmek, b\u00f6lgesel performanslar\u0131 analiz etmek, \u00fcr\u00fcn trendlerini belirlemek ve nihayetinde daha bilin\u00e7li i\u015f kararlar\u0131 almak i\u00e7in g\u00fc\u00e7l\u00fc bir temel sunar.<\/p>\n Bu motorun gelecekteki geli\u015ftirmeleri aras\u0131nda, daha karma\u015f\u0131k tahmin modelleri i\u00e7in makine \u00f6\u011frenimi algoritmalar\u0131n\u0131n entegrasyonu, ger\u00e7ek zamanl\u0131 veri ak\u0131\u015f\u0131 analizi ve interaktif g\u00f6rselle\u015ftirme panolar\u0131 (\u00f6rne\u011fin, Dash veya Streamlit ile) yer alabilir. Python'\u0131n geni\u015f ekosistemi sayesinde, bu t\u00fcr geni\u015fletmeler kolayca yap\u0131labilir, b\u00f6ylece Nijerya'n\u0131n dinamik pazar\u0131nda i\u015fletmelerin s\u00fcrekli rekabet\u00e7i kalmas\u0131 sa\u011flan\u0131r.<\/p>\n List Comprehension, mevcut bir listeden yeni bir liste olu\u015fturman\u0131z, bir listeyi filtrelemeniz veya her \u00f6\u011feye belirli bir i\u015flem uygulaman\u0131z gerekti\u011finde tercih edilmelidir. \u00d6zellikle tek sat\u0131rda ifade edilebilen basit d\u00f6n\u00fc\u015f\u00fcmler ve filtrelemeler i\u00e7in idealdir. Geleneksel Lambda fonksiyonlar\u0131, genellikle tek bir ifade i\u00e7eren ve k\u0131sa s\u00fcreli kullan\u0131lacak anonim fonksiyonlar i\u00e7in uygundur. \u00d6zellikle Kesinlikle evet. Bu makalede a\u00e7\u0131klanan List Comprehension ve Lambda gibi Python teknikleri, evrensel veri i\u015fleme prensiplerine dayan\u0131r. Nijerya pazar\u0131 \u00f6zelinde verilen \u00f6rnekler, bu tekniklerin ger\u00e7ek d\u00fcnya senaryolar\u0131na nas\u0131l uygulanabilece\u011fini g\u00f6stermektedir. Veri yap\u0131s\u0131 ve analiz hedefleri de\u011fi\u015fse de, temel Python yetenekleri herhangi bir pazardaki sat\u0131\u015f verilerini analiz etmek i\u00e7in kullan\u0131labilir.<\/p>\n List Comprehension, Python'\u0131n C dilinde optimize edilmi\u015f i\u00e7 mekanizmalar\u0131n\u0131 kulland\u0131\u011f\u0131 i\u00e7in, e\u015fde\u011fer Nijerya Pazar\u0131nda Sat\u0131\u015f Zekas\u0131n\u0131n \u00d6nemi<\/h3>\n
Dinamik Pazar Yap\u0131s\u0131 ve Veri \u0130htiyac\u0131<\/h4>\n
Rekabet Avantaj\u0131 Yaratmak<\/h4>\n
Karar Alma S\u00fcre\u00e7lerini H\u0131zland\u0131rmak<\/h4>\n
Python Neden Sat\u0131\u015f Zekas\u0131 \u0130\u00e7in \u0130deal?<\/h3>\n
Kapsaml\u0131 K\u00fct\u00fcphane Deste\u011fi (Pandas, NumPy vb.)<\/h4>\n
Okunabilirlik ve Esneklik<\/h4>\n
H\u0131zl\u0131 Prototipleme ve \u00d6l\u00e7eklenebilirlik<\/h4>\n
List Comprehension: Python’da Veri \u0130\u015flemenin Sanat\u0131<\/h3>\n
Temel Kullan\u0131m ve S\u00f6z Dizimi<\/h4>\n
[ifade for \u00f6\u011fe in yinelenebilir_nesne]<\/code>.<\/p>\n\n# \u00d6rnek: 1'den 10'a kadar say\u0131lar\u0131n karelerini i\u00e7eren bir liste olu\u015fturma\nkareler = [x**2 for x in range(1, 11)]\nprint(kareler)\n# \u00c7\u0131kt\u0131: [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]\n\n# Geleneksel y\u00f6ntemle kar\u015f\u0131la\u015ft\u0131rma\nkareler_geleneksel = []\nfor x in range(1, 11):\n kareler_geleneksel.append(x**2)\nprint(kareler_geleneksel)\n<\/pre>\nKo\u015fullu \u0130fadelerle Filtreleme ve D\u00f6n\u00fc\u015ft\u00fcrme<\/h4>\n
[ifade for \u00f6\u011fe in yinelenebilir_nesne if ko\u015ful]<\/code> veya [true_ifadesi if ko\u015ful else false_ifadesi for \u00f6\u011fe in yinelenebilir_nesne]<\/code>.<\/p>\n\n# \u00d6rnek: Sadece \u00e7ift say\u0131lar\u0131n karelerini alma\nsayilar = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]\ncift_sayi_kareleri = [x**2 for x in sayilar if x % 2 == 0]\nprint(cift_sayi_kareleri)\n# \u00c7\u0131kt\u0131: [4, 16, 36, 64, 100]\n\n# \u00d6rnek: Sat\u0131\u015f verilerinde belirli bir e\u015fi\u011fin \u00fczerindeki sat\u0131\u015flar\u0131 i\u015faretleme\nsatislar = [150, 230, 90, 400, 180, 500]\nyuksek_satislar = [\"Y\u00fcksek Sat\u0131\u015f\" if s > 200 else \"Normal Sat\u0131\u015f\" for s in satislar]\nprint(yuksek_satislar)\n# \u00c7\u0131kt\u0131: ['Normal Sat\u0131\u015f', 'Y\u00fcksek Sat\u0131\u015f', 'Normal Sat\u0131\u015f', 'Y\u00fcksek Sat\u0131\u015f', 'Normal Sat\u0131\u015f', 'Y\u00fcksek Sat\u0131\u015f']\n<\/pre>\n\u0130\u00e7 \u0130\u00e7e List Comprehension ve Performans Fark\u0131<\/h4>\n
\n# \u00d6rnek: \u0130\u00e7 i\u00e7e List Comprehension\nmatris = [[j for j in range(3)] for i in range(3)]\nprint(matris)\n# \u00c7\u0131kt\u0131: [[0, 1, 2], [0, 1, 2], [0, 1, 2]]\n<\/pre>\nLambda Fonksiyonlar\u0131: Anonim ve G\u00fc\u00e7l\u00fc \u0130fadeler<\/h3>\n
map()<\/code>, filter()<\/code>, sorted()<\/code> gibi fonksiyonlarla birlikte kullan\u0131l\u0131rlar.<\/p>\nTek Sat\u0131rl\u0131k Fonksiyonlar\u0131n G\u00fcc\u00fc<\/h4>\n
lambda arg\u00fcmanlar: ifade<\/code> \u015feklindedir. Bir veya daha fazla arg\u00fcman alabilir ve tek bir ifade d\u00f6nd\u00fcr\u00fcrler. Bu ifade, fonksiyonun d\u00f6nd\u00fcrece\u011fi de\u011feri tan\u0131mlar.<\/p>\n\n# \u00d6rnek: \u0130ki say\u0131y\u0131 toplayan bir lambda fonksiyonu\ntopla = lambda a, b: a + b\nprint(topla(5, 3))\n# \u00c7\u0131kt\u0131: 8\n\n# \u00d6rnek: Bir say\u0131n\u0131n karesini alan lambda\nkare_al = lambda x: x**2\nprint(kare_al(7))\n# \u00c7\u0131kt\u0131: 49\n<\/pre>\nmap()<\/code>, filter()<\/code>, sorted()<\/code> ile Kullan\u0131m<\/h4>\n\n# \u00d6rnek: map() ile bir listenin elemanlar\u0131na i\u015flem uygulama\nfiyatlar = [100, 150, 200, 250]\nkdvli_fiyatlar = list(map(lambda fiyat: fiyat * 1.18, fiyatlar)) # %18 KDV ekleme\nprint(kdvli_fiyatlar)\n# \u00c7\u0131kt\u0131: [118.0, 177.0, 236.0, 295.0]\n\n# \u00d6rnek: filter() ile belirli bir ko\u015fulu sa\u011flayan elemanlar\u0131 filtreleme\nsatis_cirolari = [5000, 12000, 3000, 8000, 15000]\nyuksek_cirolar = list(filter(lambda ciro: ciro > 10000, satis_cirolari))\nprint(yuksek_cirolar)\n# \u00c7\u0131kt\u0131: [12000, 15000]\n\n# \u00d6rnek: sorted() ile karma\u015f\u0131k bir listeyi s\u0131ralama\nurunler = [(\"Elma\", 50, 10), (\"Muz\", 30, 15), (\"Portakal\", 70, 8)] # (\u00dcr\u00fcn Ad\u0131, Fiyat, Stok)\n# Sto\u011fa g\u00f6re s\u0131ralama\nurunler_stok_sirali = sorted(urunler, key=lambda urun: urun[2])\nprint(urunler_stok_sirali)\n# \u00c7\u0131kt\u0131: [('Portakal', 70, 8), ('Elma', 50, 10), ('Muz', 30, 15)]\n<\/pre>\nSat\u0131\u015f Verisi Analizinde Pratik Uygulamalar<\/h4>\n
Sat\u0131\u015f Zekas\u0131 Motorunda List Comprehension ve Lambda'y\u0131 Birle\u015ftirmek<\/h3>\n
Veri Temizli\u011fi ve \u00d6n \u0130\u015flemede Etkinlik<\/h4>\n
\n# \u00d6rnek: Sat\u0131\u015f miktarlar\u0131n\u0131 temizleme (negatif veya ge\u00e7ersiz de\u011ferleri 0 yapma)\nham_satis_miktarlari = [100, -5, 200, 'abc', 150, 0]\ntemiz_satis_miktarlari = [max(0, int(m)) for m in ham_satis_miktarlari if isinstance(m, (int, float)) or (isinstance(m, str) and m.isdigit())]\nprint(temiz_satis_miktarlari)\n# \u00c7\u0131kt\u0131: [100, 0, 200, 150, 0]\n<\/pre>\n\u00d6zellik M\u00fchendisli\u011fi ve Yeni Metrikler Olu\u015fturma<\/h4>\n
\n# \u00d6rnek: Sat\u0131\u015f verilerinden komisyon hesaplama\nsatis_verileri = [\n {\"urun\": \"A\", \"fiyat\": 100, \"miktar\": 5, \"bolge\": \"Lagos\"},\n {\"urun\": \"B\", \"fiyat\": 200, \"miktar\": 3, \"bolge\": \"Abuja\"},\n {\"urun\": \"A\", \"fiyat\": 100, \"miktar\": 2, \"bolge\": \"Kano\"},\n {\"urun\": \"C\", \"fiyat\": 50, \"miktar\": 10, \"bolge\": \"Lagos\"}\n]\n\n# Her sat\u0131\u015f i\u00e7in toplam geliri hesaplama\ntoplam_gelirler = [satis[\"fiyat\"] * satis[\"miktar\"] for satis in satis_verileri]\nprint(f\"Toplam Gelirler: {toplam_gelirler}\")\n\n# Belirli bir b\u00f6lgedeki (\u00f6rne\u011fin Lagos) sat\u0131\u015flar\u0131n komisyonunu hesaplama (gelirin %5'i)\n# Sadece Lagos'taki sat\u0131\u015flar\u0131 filtrele ve komisyonu hesapla\nlagos_komisyonlari = [\n (satis[\"fiyat\"] * satis[\"miktar\"]) * 0.05\n for satis in satis_verileri\n if satis[\"bolge\"] == \"Lagos\"\n]\nprint(f\"Lagos Komisyonlar\u0131: {lagos_komisyonlari}\")\n<\/pre>\nDinamik Filtreleme ve Raporlama<\/h4>\n
\n# \u00d6rnek: Belirli bir \u00fcr\u00fcne ait sat\u0131\u015flar\u0131 filtreleme ve \u00f6zetleme\nhedef_urun = \"A\"\nhedef_urun_satis_ozeti = [\n f\"{satis['bolge']}: {satis['fiyat'] * satis['miktar']} NGN\"\n for satis in satis_verileri\n if satis[\"urun\"] == hedef_urun\n]\nprint(f\"{hedef_urun} \u00dcr\u00fcn\u00fc Sat\u0131\u015f \u00d6zeti: {hedef_urun_satis_ozeti}\")\n<\/pre>\nPratik Bir Senaryo: Nijerya Sat\u0131\u015f Verilerini Analiz Etmek<\/h3>\n
\u00d6rnek Veri Seti Yap\u0131s\u0131<\/h4>\n
\n\n
\n \nSat\u0131\u015f ID<\/th>\n \u00dcr\u00fcn Ad\u0131<\/th>\n B\u00f6lge<\/th>\n Miktar<\/th>\n Birim Fiyat (NGN)<\/th>\n Sat\u0131\u015f Tarihi<\/th>\n<\/tr>\n<\/thead>\n \n 001<\/td>\n G\u0131da Paketi<\/td>\n Lagos<\/td>\n 150<\/td>\n 2500<\/td>\n 2023-01-10<\/td>\n<\/tr>\n \n 002<\/td>\n Elektronik A<\/td>\n Abuja<\/td>\n 20<\/td>\n 75000<\/td>\n 2023-01-12<\/td>\n<\/tr>\n \n 003<\/td>\n G\u0131da Paketi<\/td>\n Kano<\/td>\n 100<\/td>\n 2400<\/td>\n 2023-01-15<\/td>\n<\/tr>\n \n 004<\/td>\n Ev E\u015fyas\u0131 B<\/td>\n Lagos<\/td>\n 50<\/td>\n 12000<\/td>\n 2023-01-18<\/td>\n<\/tr>\n \n 005<\/td>\n Elektronik A<\/td>\n Port Harcourt<\/td>\n 10<\/td>\n 76000<\/td>\n 2023-01-20<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n \nsatis_kayitlari = [\n {\"id\": \"001\", \"urun\": \"G\u0131da Paketi\", \"bolge\": \"Lagos\", \"miktar\": 150, \"fiyat\": 2500, \"tarih\": \"2023-01-10\"},\n {\"id\": \"002\", \"urun\": \"Elektronik A\", \"bolge\": \"Abuja\", \"miktar\": 20, \"fiyat\": 75000, \"tarih\": \"2023-01-12\"},\n {\"id\": \"003\", \"urun\": \"G\u0131da Paketi\", \"bolge\": \"Kano\", \"miktar\": 100, \"fiyat\": 2400, \"tarih\": \"2023-01-15\"},\n {\"id\": \"004\", \"urun\": \"Ev E\u015fyas\u0131 B\", \"bolge\": \"Lagos\", \"miktar\": 50, \"fiyat\": 12000, \"tarih\": \"2023-01-18\"},\n {\"id\": \"005\", \"urun\": \"Elektronik A\", \"bolge\": \"Port Harcourt\", \"miktar\": 10, \"fiyat\": 76000, \"tarih\": \"2023-01-20\"},\n {\"id\": \"006\", \"urun\": \"G\u0131da Paketi\", \"bolge\": \"Lagos\", \"miktar\": 80, \"fiyat\": 2550, \"tarih\": \"2023-01-22\"},\n]\n<\/pre>\nB\u00f6lgesel Performans Analizi<\/h4>\n
sum()<\/code> fonksiyonunu birle\u015ftirerek toplam geliri bulabiliriz.<\/p>\n\n# Lagos b\u00f6lgesindeki toplam geliri hesaplama\nlagos_toplam_gelir = sum([\n kayit[\"miktar\"] * kayit[\"fiyat\"]\n for kayit in satis_kayitlari\n if kayit[\"bolge\"] == \"Lagos\"\n])\nprint(f\"Lagos Toplam Gelir: {lagos_toplam_gelir} NGN\")\n\n# T\u00fcm b\u00f6lgelerin gelirlerini gruplama (daha karma\u015f\u0131k senaryolar i\u00e7in Pandas tercih edilebilir, ancak burada temel g\u00f6sterim)\nbolge_gelirleri = {}\nfor kayit in satis_kayitlari:\n bolge = kayit[\"bolge\"]\n gelir = kayit[\"miktar\"] * kayit[\"fiyat\"]\n bolge_gelirleri[bolge] = bolge_gelirleri.get(bolge, 0) + gelir\n\nprint(\"B\u00f6lgelere G\u00f6re Toplam Gelirler:\")\nfor bolge, gelir in bolge_gelirleri.items():\n print(f\"- {bolge}: {gelir} NGN\")\n<\/pre>\n\u00dcr\u00fcn Baz\u0131nda En \u00c7ok Satanlar\u0131 Bulma<\/h4>\n
sorted()<\/code> fonksiyonunu kullanabiliriz.<\/p>\n\n# \u00dcr\u00fcn baz\u0131nda toplam gelirleri hesaplama\nurun_gelirleri = {}\nfor kayit in satis_kayitlari:\n urun = kayit[\"urun\"]\n gelir = kayit[\"miktar\"] * kayit[\"fiyat\"]\n urun_gelirleri[urun] = urun_gelirleri.get(urun, 0) + gelir\n\n# En \u00e7ok gelir getiren \u00fcr\u00fcnleri s\u0131ralama\nen_cok_satan_urunler = sorted(urun_gelirleri.items(), key=lambda item: item[1], reverse=True)\n\nprint(\"\\nEn \u00c7ok Gelir Getiren \u00dcr\u00fcnler:\")\nfor urun, gelir in en_cok_satan_urunler:\n print(f\"- {urun}: {gelir} NGN\")\n<\/pre>\nSonu\u00e7 ve Gelecek Perspektifleri<\/h3>\n
SSS (S\u0131k Sorulan Sorular)<\/h3>\n
List Comprehension ne zaman tercih edilmeli?<\/h4>\n
for<\/code> d\u00f6ng\u00fclerine g\u00f6re daha k\u0131sa, daha okunabilir ve genellikle daha performansl\u0131d\u0131r.<\/p>\nLambda fonksiyonlar\u0131 ne zaman kullan\u0131lmal\u0131, ne zaman normal fonksiyon yaz\u0131lmal\u0131?<\/h4>\n
map()<\/code>, filter()<\/code>, sorted()<\/code> gibi y\u00fcksek dereceli fonksiyonlarla birlikte kullan\u0131ld\u0131\u011f\u0131nda kodun k\u0131sal\u0131\u011f\u0131n\u0131 ve okunabilirli\u011fini art\u0131r\u0131r. Daha karma\u015f\u0131k mant\u0131k i\u00e7eren, birden fazla ifadeye sahip veya yeniden kullan\u0131labilir olmas\u0131 gereken fonksiyonlar i\u00e7in normal def<\/code> anahtar kelimesiyle tan\u0131mlanan fonksiyonlar tercih edilmelidir.<\/p>\nBu sat\u0131\u015f zekas\u0131 motoru Nijerya d\u0131\u015f\u0131ndaki pazarlara uygulanabilir mi?<\/h4>\n
Performans a\u00e7\u0131s\u0131ndan ne gibi avantajlar sa\u011flar?<\/h4>\n
for<\/code> d\u00f6ng\u00fclerine g\u00f6re genellikle daha h\u0131zl\u0131 \u00e7al\u0131\u015f\u0131r, \u00f6zellikle b\u00fcy\u00fck veri setleriyle u\u011fra\u015f\u0131rken bu fark belirginle\u015febilir. Lambda fonksiyonlar\u0131 ise, k\u0131sa ve anonim olduklar\u0131 i\u00e7in bazen normal fonksiyon \u00e7a\u011fr\u0131lar\u0131ndan daha hafif olabilir, ancak as\u0131l performans avantajlar\u0131 genellikle List Comprehension ile birlikte kullan\u0131ld\u0131klar\u0131nda veya map<\/code>\/filter<\/code> gibi optimize edilmi\u015f yerle\u015fik fonksiyonlarla birle\u015ftirildiklerinde ortaya \u00e7\u0131kar. Bu kombinasyonlar, veri i\u015fleme boru hatlar\u0131n\u0131 daha ak\u0131c\u0131 ve verimli hale getirir.<\/p>\n","protected":false},"excerpt":{"rendered":"G\u00fcn\u00fcm\u00fcz\u00fcn h\u0131zla de\u011fi\u015fen i\u015f d\u00fcnyas\u0131nda, \u00f6zellikle Nijerya gibi dinamik ve b\u00fcy\u00fcyen pazarlarda, rekabet avantaj\u0131 elde etmenin anahtar\u0131 verilere d…","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"csco_page_header_type":"","csco_page_load_nextpost":"","csco_page_subscribe_form":"","csco_page_contact_form":"","footnotes":""},"categories":[1403],"tags":[],"class_list":{"0":"post-38040","1":"post","2":"type-post","3":"status-publish","4":"format-standard","6":"category-python","7":"cs-entry","8":"cs-video-wrap"},"yoast_head":"\n