<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Berfinozcan on Medium]]></title>
        <description><![CDATA[Stories by Berfinozcan on Medium]]></description>
        <link>https://medium.com/@berfinozcan?source=rss-83c5fccab858------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*4DJIfum8WW08vBtfn29wBA@2x.jpeg</url>
            <title>Stories by Berfinozcan on Medium</title>
            <link>https://medium.com/@berfinozcan?source=rss-83c5fccab858------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Fri, 20 Nov 2026 23:53:50 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@berfinozcan/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[ Flagging “last 12 months” and “last 4 weeks” in Oracle SQL — explained]]></title>
            <link>https://medium.com/@berfinozcan/flagging-last-12-months-and-last-4-weeks-in-oracle-sql-explained-77322eb08f1b?source=rss-83c5fccab858------2</link>
            <guid isPermaLink="false">https://medium.com/p/77322eb08f1b</guid>
            <category><![CDATA[data-engineering]]></category>
            <category><![CDATA[data-analysis]]></category>
            <category><![CDATA[sql]]></category>
            <category><![CDATA[time-series-database]]></category>
            <category><![CDATA[sql-date-functions]]></category>
            <dc:creator><![CDATA[Berfinozcan]]></dc:creator>
            <pubDate>Tue, 26 Aug 2025 11:55:32 GMT</pubDate>
            <atom:updated>2025-08-26T11:55:49.781Z</atom:updated>
            <content:encoded><![CDATA[<h3>🧠 Flagging “last 12 months” and “last 4 weeks” in Oracle SQL — explained</h3><p>🏆 <strong>Month_control: is the record within the last 12 months (anchored to month start)?</strong></p><pre>CASE<br>  WHEN TO_DATE(year || LPAD(month, 2, &#39;0&#39;), &#39;YYYYMM&#39;)<br>       &gt;= ADD_MONTHS(TRUNC(SYSDATE, &#39;MM&#39;), -12)<br>  THEN &#39;YES&#39; ELSE &#39;NO&#39;<br>END AS Month_control</pre><p><strong>TO_DATE(year || LPAD(month, 2, ‘0’), ‘YYYYMM’)</strong> converts the row’s <strong>year</strong> + <strong>month</strong> into a proper date (the 1st of that month).</p><p>TRUNC(SYSDATE,&#39;MM&#39;) gives the <strong>first day of the current month</strong>. ADD_MONTHS(...,-12) moves that anchor <strong>back by 12 months</strong>. If the row’s month-date is <strong>on or after</strong> that threshold → &#39;YES&#39;, else &#39;NO&#39;.</p><blockquote>🚀 Example: if today is Aug 26, 2025, the threshold is <strong>Aug 1, 2024</strong>. Any YYYYMM &gt;= 202408 is flagged YES.</blockquote><p>🏆 <strong>Week_control: is the record within the last 4 completed ISO weeks (excluding the current week)?</strong></p><pre>CASE<br>  WHEN<br>    TO_NUMBER(SUBSTR(week_year, INSTR(week_year, &#39;.&#39;) + 1)) * 100 +<br>    TO_NUMBER(SUBSTR(week_year, 1, INSTR(week_year, &#39;.&#39;) - 1))<br>    BETWEEN<br>    (TO_NUMBER(TO_CHAR(SYSDATE, &#39;YYYY&#39;)) * 100 + TO_NUMBER(TO_CHAR(SYSDATE, &#39;IW&#39;)) - 4)<br>    AND<br>    (TO_NUMBER(TO_CHAR(SYSDATE, &#39;YYYY&#39;)) * 100 + TO_NUMBER(TO_CHAR(SYSDATE, &#39;IW&#39;)) - 1)<br>  THEN &#39;YES&#39; ELSE &#39;NO&#39;<br>END AS Week_control</pre><p>Your column week_year is a string like <strong>WW.YYYY</strong> (e.g., 35.2025).<br> We turn it into a sortable integer <strong>YYYYWW</strong> in two steps:</p><p><strong>Year (</strong><strong>YYYY)</strong> = the part <strong>after</strong> the dot</p><p><strong>Week (</strong><strong>WW)</strong> = the part <strong>before</strong> the dot</p><p><strong>Build a numeric key: </strong>week_key = YYYY * 100 + WW</p><p>Example: 2025 * 100 + 35 = 202535<br> This packs year and week into one number that sorts correctly across years. We build the <strong>current</strong> week key the same way from</p><p>SYSDATE: curr_year = TO_CHAR(SYSDATE, &#39;IYYY&#39;) (ISO year)</p><p>curr_week = TO_CHAR(SYSDATE, &#39;IW&#39;) (ISO week)</p><p>curr_key = curr_year * 100 + curr_week</p><p>Finally, we flag rows whose week_key falls in the last <strong>four completed</strong> weeks: week_key BETWEEN (curr_key - 4) AND (curr_key - 1)</p><blockquote>🚀 Example: If today is ISO week 35 of 2025, curr_key = 202535.<br> The range [202531 … 202534] corresponds to ISO weeks <strong>31–34 of 2025</strong>, i.e., the four full weeks <strong>before</strong> the current one.</blockquote><p>The time windows are up to you — use these query blocks to run your logic over whatever range you need.</p><p>I hope this helps. If you have any questions, you can reach me in the comments or on <a href="https://www.linkedin.com/in/berfinozcan/"><strong><em>LinkedIn</em></strong></a>.✨</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=77322eb08f1b" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Knime Nedir? Kod Yazmadan Veri Analizi Yapmanın Gücü]]></title>
            <link>https://medium.com/@berfinozcan/knime-nedir-kod-yazmadan-veri-analizi-yapman%C4%B1n-g%C3%BCc%C3%BC-cfb33c59041e?source=rss-83c5fccab858------2</link>
            <guid isPermaLink="false">https://medium.com/p/cfb33c59041e</guid>
            <category><![CDATA[workflow]]></category>
            <category><![CDATA[knime]]></category>
            <category><![CDATA[veri-bilimi]]></category>
            <dc:creator><![CDATA[Berfinozcan]]></dc:creator>
            <pubDate>Thu, 20 Feb 2025 21:30:29 GMT</pubDate>
            <atom:updated>2025-02-20T21:30:29.309Z</atom:updated>
            <content:encoded><![CDATA[<p><strong>Veri setine buradan ulaşabilirsiniz: </strong><a href="https://www.kaggle.com/datasets/asinow/car-price-dataset?resource=download"><strong>https://www.kaggle.com/datasets/asinow/car-price-dataset?resource=download</strong></a></p><h3>🎯KNIME Nedir?</h3><p><strong>KNIME</strong>, <strong>Python </strong>benzeri söz dizimine sahip node’lar kullanarak kod yazmadan veri manipülasyonu, veri analizi ve raporlama yapmamıza olanak tanıyan bir platformdur. Ancak bu, hiç kod yazmadığımız anlamına gelmez.</p><p><strong>KNIME</strong> içerisinde bulunan node’lar aracılığıyla <strong>Python</strong> kodu yazabilir ve <strong>SQL</strong> sorguları oluşturabiliriz. Bu da <strong>KNIME</strong> ile veri tabanlarına kolayca bağlanabileceğimiz anlamına gelir.</p><p>Şimdi Knime arayüzünü göstererk anlatacağım. Devamında ufak örnekler yapacağız.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*iZJxqTHVk3d5X5PZJTrJ_w.png" /></figure><p>Yukarıda bir KNIME workflow görüyorsunuz. Sol alt köşede yer alan <strong>Node Repository</strong> bölümü, kullanacağımız node’ları aradığımız alandır. Sol üst kısım ise oluşturduğumuz iş akışlarının workflow’ların bulunduğu bölümdür. Boş alana arattığımız node’ları sürükle bırak yöntemiyle alıyoruz.</p><p>Bir çok türden dosya okutabiliyoruz. Şimdi içeriye bir csv dosyası alacağız</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/240/1*lJamBUx0S6KkNxlT65Uyiw.png" /></figure><p><strong>Sürükle ve bırak</strong> yöntemiyle <strong>CSV Reader</strong> node çalışma alanına ekliyoruz. Ardından, dosyanızın bulunduğu yolu seçiyorsunuz. Dosyayı seçtikten sonra, <strong>KNIME</strong> veri setini tablo formatında görüntüler. Bu sayede veri setini kolayca inceleyebilirsiniz.</p><p>Ayrıca, node’a sağ tıklayıp <strong>Execute </strong>seçeneğini seçtikten sonra <strong>File Table</strong> seçeneği ile de veriyi görüntüleyebilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/828/1*mCgjKU5EaVzqK_ICGBjGPg.png" /></figure><p>Şimdi bir kaç analizi Knime ile nasıl yapabileceğimiz öğrenelim. En basitten başlayacağız.</p><p>✨ <strong>Örn.1</strong> Marka bazlı bir fiyat karşılaştırması yapalım. En düşükten en yükseğe sıralayalım.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/438/1*FPxnB6hr8EmJS5Y3zg9Dpw.png" /></figure><p>İlk olarak, her işlemde kullanacağımız <strong>Missing Value</strong> node’unu ekliyoruz. Bu node, veri setimizde eksik değerler varsa bunları doldurmak için kullanılır. <strong>String</strong> türündeki eksik değerler <strong>“Tayin edilmedi”</strong>, <strong>integer</strong> türündeki eksik değerler ise <strong>0</strong> ile doldurulur.</p><p>Duplike değerler olup olmadığını kontrol ediyoruz. <strong>Duplicate Row Filter</strong> node’unu kullanarak tüm sütunlardaki duplikeleri temizliyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/703/1*IlKSEI4qIhwu5ApuFCFDlQ.png" /></figure><p>Öncelikle, <strong>hangi sütunu gruplamak istediğimizi</strong> seçiyoruz (Brand sütunu). Ardından, her grup için hesaplanacak <strong>aggregate değerini</strong> belirliyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/790/1*bWRWIr_ZZLmkuxHcQjaKXg.png" /></figure><p><strong>Fiyat (Price)</strong> sütunu için <strong>ortalama (mean), toplam (sum)</strong> veya <strong>maksimum (max)</strong> gibi işlemleri seçebiliriz. Karşılaştırma yapacağımız için ortalama değerlere bakacağız.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/788/1*REDoPt-iwQUcHo2_wQOPlA.png" /></figure><p>Çıktımız aşağıdaki gibi oluyor. Sorter node’unu kullanarak artana ya da azalana doğru sıralayabiliriz. Birden fazla sıralama kriteri ekleyebiliriz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/251/1*52R_goquzXHXmB33CrJy1A.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/536/1*jMR9kB2d-kb0PkZZl_HnQQ.png" /></figure><p>✨ <strong>Örn.2</strong> Araç fiyatlarına göre sınıflandıralım. Ardından <strong>2000, 2001</strong> yılına ait hangi modellerin <strong>Mid</strong> segmentte yer aldığını bulalım. Ortalama fiyatlarını çıkartalım ve en düşük fiyatlı <strong>5 modeli</strong> listeleyim.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/434/1*cRe4r51S_u9KKphh8Fyr8A.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/872/1*Ns0herukHhJ3vRjHH08QGg.png" /></figure><p><strong>Sınıflandırma işlemi</strong> için <strong>Rule Engine</strong> node’unu kullanıyoruz.</p><p>Kuralları yazarken <strong>“=” yerine “⇒” (=&gt;)</strong> sembolünü kullanıyoruz. Bu, KNIME’da koşul sağlandığında ne yapılacağını belirtir.</p><p>Ayrıca, <strong>Append Column</strong> seçeneğini kullanmak daha iyi bir uygulamadır. Bu seçenek sayesinde, mevcut verilere zarar vermeden <strong>yeni bir sütun ekleyebilir</strong> ve bu sütuna istediğimiz ismi verebiliriz.</p><p>Ben, oluşturduğum yeni sütuna <strong>“Segment”</strong> ismini verdim. Bu sütun, araçların belirlenen koşullara göre hangi segmente ait olduğunu gösterecek.</p><p>Şimdi filtreleme işlemini gerçekleştireceğiz. Bunu yaparken Rule-Based Row Filter node’unu kullanacağız.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/860/1*gzaSZfFdBo4EUxYU85dWPA.png" /></figure><p><strong>Row Filter</strong> veya <strong>Rule-Based Row Filter</strong> node’unu kullanarak veriyi istediğimiz şekilde filtreleyebiliriz.</p><ul><li><strong>Include TRUE matches</strong> seçeneğini seçerek, <strong>koşulu sağlayan (TRUE dönen)</strong> satırları veri setinde tutarız.</li></ul><p><strong>GroupBy</strong> node’u ile <strong>Model</strong> sütununa göre gruplama işlemi gerçekleştiriyoruz.</p><p>Gruplama sırasında, <strong>Price (Fiyat)</strong> sütunu için <strong>aggregate</strong> fonksiyonlarından (örneğin, <strong>ortalama (mean)</strong>, <strong>minimum (min)</strong> veya <strong>maksimum (max)</strong>) birini seçerek her modelin fiyat bilgisini özetliyoruz.</p><p>Ardından, <strong>Top K Selector</strong> node’unu kullanarak, <strong>en düşük fiyatlı ilk 5 modeli</strong> seçiyoruz.</p><ul><li><strong>Number of rows to select</strong> kısmına <strong>5</strong> değerini giriyoruz.</li><li><strong>Sort by</strong> bölümünde <strong>Price</strong> sütununu <strong>Ascending (Artan Sıralama)</strong> olarak seçiyoruz.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/532/1*SFDOe7thrztvlHu_mnyteQ.png" /></figure><h3>🔍 Ek Analiz Soruları:</h3><ul><li>Hangi markalar <strong>Premium</strong> segmentte daha fazla yer alıyor?</li><li><strong>Kilometre</strong> ve <strong>motor hacmi</strong>, fiyatı nasıl etkiliyor?</li><li><strong>Yakıt türü</strong> ve <strong>şanzıman tipi</strong>, fiyat üzerinde anlamlı bir fark yaratıyor mu?</li><li>En fazla <strong>kaç yıllık araçlar</strong> yüksek segmentte yer alıyor?</li><li><strong>Sahip sayısı</strong> fiyat üzerinde nasıl bir etkiye sahip?</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=cfb33c59041e" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[SQL GROUP BY ve HAVING Örnekleri ile Veri Analizi Rehberi]]></title>
            <link>https://medium.com/@berfinozcan/sql-group-by-ve-having-%C3%B6rnekleri-ile-veri-analizi-rehberi-ed031bcbfe05?source=rss-83c5fccab858------2</link>
            <guid isPermaLink="false">https://medium.com/p/ed031bcbfe05</guid>
            <category><![CDATA[group-by]]></category>
            <category><![CDATA[sql]]></category>
            <category><![CDATA[verianalizi]]></category>
            <category><![CDATA[having]]></category>
            <category><![CDATA[postgresql]]></category>
            <dc:creator><![CDATA[Berfinozcan]]></dc:creator>
            <pubDate>Wed, 19 Feb 2025 18:17:33 GMT</pubDate>
            <atom:updated>2025-02-19T18:17:33.915Z</atom:updated>
            <content:encoded><![CDATA[<h3>📌 GROUP BY Kullanımı</h3><p><strong>Group BY ifadesi</strong>, bir veri setinde <strong>aynı değerlere sahip satırları gruplayarak</strong> bu gruplar üzerinde özet hesaplamalar yapmamızı sağlar.</p><blockquote><strong>Bu linkten verilere ulaşabilirsiniz:</strong> <a href="https://www.kaggle.com/datasets/davidcariboo/player-scores">https://www.kaggle.com/datasets/davidcariboo/player-scores</a></blockquote><p><strong>Örn.1</strong> Her kulübün bugüne kadar oynadığı toplam maç sayısını bulalım ve en fazla maç oynayan ilk 5 kulübü listeleyelim.</p><pre>SELECT c.name,COUNT(DISTINCT cl.game_id) as game_number <br>FROM pb.clubs c<br>LEFT JOIN pb.club_games cl<br>ON c.club_id = cl.club_id<br>GROUP BY c.name<br>ORDER BY game_number desc<br>LIMIT 5;</pre><p><strong>GROUP BY</strong> sayesinde her kulübü isim bazında grupladıktan sonra <strong>COUNT()</strong> ifadesi ile her kulübün oynadığı maç sayısını bulduk. Bir maç birden fazla satırda yer alıyor olabilir. Tekrarları önlemek için <strong>DISTINCT</strong> kullandık.</p><p><strong>Şimdi bir örnekle daha pekiştirelim.</strong></p><p><strong>Örn.2</strong> Futbolcuların kulüp bazında oynadıkları maç sayısını ve attıkları gol sayısını listeleyelim.</p><pre>SELECT<br> a.player_id,<br>    a.player_name, <br>    c.name AS club_name,<br>    COUNT(DISTINCT a.game_id) AS game_number,<br>    SUM(CASE WHEN ge.type = &#39;Goals&#39; THEN 1 ELSE 0 END) AS goals  <br>FROM pb.appearance a<br>LEFT JOIN pb.clubs c <br>    ON a.player_club_id = c.club_id::NUMERIC<br>LEFT JOIN pb.game_events ge <br>    ON a.game_id = ge.game_id<br>    AND a.player_id = ge.player_id<br>GROUP BY a.player_id, a.player_name, c.name<br>ORDER BY goals DESC<br>LIMIT 10;</pre><h3>📌 Birlikte Kullanımı</h3><p><strong>HAVING ifadesi</strong>, SQL’de <strong>GROUP BY</strong> ifadesi ile gruplandırılmış verilere koşul eklemek için kullanılır. <strong>Aggregate(SUM(), COUNT() vb.)</strong> fonksiyonlar üzerinde filtreleme yapar.</p><p><strong>GROUP BY</strong> ile birlikte kullanılır.</p><p><strong>ÖRN.1</strong> 2023 yılında stadyumlarda oynanan maç sayısını bulun ve sadece 30’dan fazla maç oynanan stadyumları listeleyin.</p><pre>SELECT<br> g.season,<br> g.stadium,<br> COUNT(DISTINCT g.game_id) as game_number<br>FROM pb.games g<br>WHERE g.season in (&#39;2023&#39;)<br>GROUP BY g.season, g.stadium<br>HAVING COUNT(DISTINCT g.game_id) &gt; 30</pre><p>Veriyi stadyum ve yıl bazında grupladık. WHERE ifadesini kullanarak yıl filtremizi attık. Ardından, aggregate bir işlem olduğu için maç sayısına göre filtrelemeyi HAVING ifadesiyle yaptık.</p><p><strong>ÖRN.2</strong> 2023 yılında, her oyuncunun her kulüpte attığı toplam gol sayısını ve 30’dan fazla gol atan oyuncuları listeleyim.</p><pre>SELECT<br> g.season,<br> a.player_id,<br>    a.player_name, <br>    c.name AS club_name,<br>    COUNT(DISTINCT a.game_id) AS game_number,<br>    SUM(CASE WHEN ge.type = &#39;Goals&#39; THEN 1 ELSE 0 END) AS goals  <br>FROM pb.appearance a<br>LEFT JOIN pb.clubs c <br>    ON a.player_club_id = c.club_id::NUMERIC<br>LEFT JOIN pb.game_events ge <br>    ON a.game_id = ge.game_id<br>    AND a.player_id = ge.player_id<br>LEFT JOIN pb.games g<br> ON a.game_id = g.game_id<br>WHERE g.season in (&#39;2023&#39;)<br>GROUP BY g.season, a.player_id, a.player_name, c.name<br>HAVING SUM(CASE WHEN ge.type = &#39;Goals&#39; THEN 1 ELSE 0 END) &gt; 30<br>ORDER BY goals DESC</pre><p>🎯 Sorgunun Özeti:</p><p>⚽ 2023 sezonunda, her oyuncunun, her kulüpte oynadığı toplam maç sayısını ve attığı toplam gol sayısını hesapladık. Sadece 30’dan fazla gol atan oyuncuları listeledik.</p><h3>💡 Genel Özet</h3><p><strong>GROUP BY</strong> ifadesi, aynı değerlere sahip satırları gruplamak ve gruplar üzerinde özet hesaplamalar yapmak için kullanılır.</p><p><strong>HAVING</strong>, <strong>GROUP BY</strong> ile birlikte kullanılarak, özet hesaplamalar (COUNT, SUM, vb.) üzerinde filtreleme yapılmasını sağlar.</p><p>📌 <strong>Örnekler Üzerinden Öğrendiklerimiz:</strong></p><p>Kulüplerin oynadığı toplam maç sayısını hesapladık.</p><p>Oyuncuların kulüp bazında maç ve gol sayılarını listeledik.</p><p>2023 sezonunda 30’dan fazla maç oynanan stadyumları bulduk.</p><p>2023 sezonunda <strong>30+ gol atan oyuncuları</strong> listeledik.</p><p>💡 <strong>Önemli Noktalar:</strong></p><p><strong>COUNT(DISTINCT column)</strong>: Tekrarlı verileri önlemek için kullanılır.</p><p><strong>CASE WHEN ile Koşullu Toplamalar</strong>: Örneğin, sadece gol olaylarını saymak için kullanılır.</p><p><strong>WHERE vs. HAVING</strong>: WHERE satır bazında filtreleme yaparken, HAVING aggregate fonksiyonlar için kullanılır.</p><p>🔥 <strong><em>Aşağıya çalışabilmeniz için bir kaç soru bırakıyorum.</em></strong> Soruların yanına kullanacağınız tablolarıda ekliyorum. Siz mutlaka tabloları inceleyin. Tabloları incelemekte fayda var. Sorularınız olursa bana <a href="https://www.linkedin.com/in/berfinozcan/"><strong><em>Linkedin</em></strong></a><em> </em>üzerinden ulaşabilirsiniz.</p><p>🚀 2023 sezonunda 15&#39;ten fazla asist yapan oyuncuları listeleyin.(appearance, game_events, games)</p><p>🚀 Kariyerinde en az 3 farklı kulüpte forma giymiş oyuncuları gösterin.(appearance)</p><p>🚀 2023 sezonunda maç başına ortalama gol sayısı 2&#39;nin üzerinde olan kulüpleri listeleyin. (appearance, clubs, game_events, games)</p><p>🚀 2023 sezonunda 10’dan fazla galibiyeti olan kulüpleri sıralayın.(club_games, clubs, games)</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ed031bcbfe05" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Python ile PostgreSQL ve Oracle bağlantısı yapmanın en kolay yolu]]></title>
            <link>https://medium.com/@berfinozcan/python-ile-db-postgresql-ve-oracle-ba%C4%9Flant%C4%B1s%C4%B1-082f66cad25d?source=rss-83c5fccab858------2</link>
            <guid isPermaLink="false">https://medium.com/p/082f66cad25d</guid>
            <category><![CDATA[python]]></category>
            <category><![CDATA[postgresql]]></category>
            <category><![CDATA[oracle]]></category>
            <category><![CDATA[connection]]></category>
            <category><![CDATA[database]]></category>
            <dc:creator><![CDATA[Berfinozcan]]></dc:creator>
            <pubDate>Mon, 17 Feb 2025 20:06:13 GMT</pubDate>
            <atom:updated>2025-02-17T22:34:41.604Z</atom:updated>
            <content:encoded><![CDATA[<pre>import pandas as pd<br>import psycopg2 #Postgre bağlantısı için kullanacağımız kütüphane<br>import cx_Oracle #Oracle bağlantısı için kullanacağımız kütüphane</pre><p>İlk olarak yukarıdaki kütüphaneleri içeri alıyoruz. Yüklemek için Jupyter notebook kullanıyorsanız başında “!” olacak şekilde, farklı bir IDE kullanıyorsanız terminale yazarak indirebilirsiniz:</p><pre>pip install pandas<br>pip install psycopg2<br>pip install cx_Oracle</pre><p>PostgreSQL BAĞLANTISI</p><p>PostgreSQL için database bilgilerinizi aşağıda örnekteki gibi giriyorsunuz.</p><pre>conn = psycopg2.connect(<br>    database=&quot;example_db&quot;, <br>    user=&quot;example_user&quot;, <br>    host=&quot;example-host.com&quot;, <br>    password=&quot;secure_password&quot;, <br>    port=5432<br>)</pre><pre>query = &quot;&quot;&quot;<br>SELECT * FROM table_name<br>&quot;&quot;&quot;</pre><p>Yazdığınız sorguyu yukarıdaki gibi ekliyorsunuz sonrasında pandas kütüphanesi ile bunu okutacağız.</p><pre>data = pd.read_sql_query(query, conn)</pre><pre>conn.close()<br>print(data)</pre><p>Bu işlemleri adım adım yaptığımızda veri setini DB den çekmiş oluyoruz.</p><p>ORACLE BAĞLANTISI</p><p>Oracle veritabanına bağlanırken <strong><em>Data Source Name</em></strong> kullanarak bağlantıyı yapılandırmalıyız. İşte bir örnek:</p><pre>dsn = cx_Oracle.makedsn(&#39;db-host.example.com&#39;, 1521, service_name=&#39;example_service&#39;)</pre><p>Şimdi, cx_Oracle.connect() ile bağlantıyı kuralım:</p><pre>con = cx_Oracle.connect(user=&#39;example_user&#39;, password=&#39;secure_password&#39;, dsn=dsn)</pre><pre>#Veritabanı üzerinde işlem yapabilmek için bir cursor nesnesi oluştur<br>mycursor = con.cursor()</pre><pre>#DB den veri setini okutuyoruz<br>mycursor.execute( &quot;&quot;&quot;SELECT * FROM table_name&quot;&quot;&quot;)<br><br>#tüm veri setini çekiyoruz<br>data =mycursor.fetchall()<br><br>#sütunları alıyoruz<br>columns = [desc[0] for desc in mycursor.description]<br><br>#Veri setine dönüştürüyoruz<br>df = pd.DataFrame(data, columns=columns)</pre><p>Bağlantıyı kurduktan sonra <strong>cursor </strong>nesnesi oluşturuyoruz. Cursor nesnesini DB ile python arasında veri alışverişi yapmak için kullanıyoruz. (Örn. veri ekleme, güncelleme, silme vb.)</p><p><strong>execute()</strong> metodu ile SQL komutlarını çalıştırıyoruz.</p><p><strong>fetchall()</strong> ile sorgu sonuçlarının hepsini çekiyoruz.</p><p>Sorularınız için bana <a href="https://www.linkedin.com/in/berfinozcan/">Linkedin</a> üzerinden ya da yorumlardan ulaşabilirsiniz. :)</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=082f66cad25d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Yeni Başlayanlar için Python ve Visual Studio Code Kurulum Kılavuzu]]></title>
            <link>https://medium.com/@berfinozcan/yeni-ba%C5%9Flayanlar-i%C3%A7in-python-ve-visual-studio-code-kurulum-k%C4%B1lavuzu-71a057118b81?source=rss-83c5fccab858------2</link>
            <guid isPermaLink="false">https://medium.com/p/71a057118b81</guid>
            <category><![CDATA[python]]></category>
            <category><![CDATA[visual-studio-code]]></category>
            <category><![CDATA[kurulum]]></category>
            <category><![CDATA[yeni-başlayanlar]]></category>
            <dc:creator><![CDATA[Berfinozcan]]></dc:creator>
            <pubDate>Thu, 26 Oct 2023 18:14:18 GMT</pubDate>
            <atom:updated>2025-05-12T18:56:22.618Z</atom:updated>
            <content:encoded><![CDATA[<p>Merhaba, yeni başlayanlara Python ve Visual Studio Code(VSC) kurulumunu anlatacağım. Ayrıca VSC içerisinde Python kullanımını anlatacağım.</p><h3><strong>1.Adım Python Kurulumu</strong></h3><blockquote>İlk olarak Python kurmak için <a href="https://www.python.org/downloads/">https://www.python.org/downloads/</a> bu linke tıklayarak sayfaya gidebilirsiniz.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/739/1*1WWxb4XxUKdeMUUCGnjcQg.png" /></figure><p>Eğer Windows kullanıyorsanız ve son sürümü indirmek istiyorsanız direkt girmiş olduğunuz sayfadan indirimi gerçekleştirebilirsiniz. Farklı sürümlerde kullanacağımız kütüphanelerde farklılıklar oluşabiliyor. Ben 3.9 kullanıyorum. Sizde farklı seçenekler için downloads kısmından seçiminizi yapabilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/528/1*2BnS3Ls4IAPQeMdw3bj0OA.png" /></figure><p>Örneğin Windows kullanıyorsanız ve farklı bir sürüm indirmek istiyorsanız bilgisayarınızın işletim sistemine(32 bit , 64 bit gibi) göre ve istediğiniz sürüme göre indirebilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/741/1*gH3iOQWFBCmNVYC5saGekg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/657/1*F0L1hp-hsZ6sl8fiEYe-sw.png" /></figure><p>İndirilen .exe dosyasına tıkladığınızda bu ekranı göreceksiniz. En altta yer alan kutucuğa tik attıktan sonra Install Now diyerek indirme işlemini tamamlayabilirsiniz.</p><h3>2.Adım Visual Studio Code Kurulumu</h3><p>Python kurulumunu tamamladığımıza göre <strong><em>VS Code kurulumu</em></strong>na geçebiliriz.</p><p>VS Code kullanmamın sebebi kod yazarken daha kolay ve daha anlaşılır şekilde ilerlediğini düşünüyorum. Bir proje yapacağınızda daha düzenli bir proje iskeletiniz olacaktır. Bir çok dili aynı anda kullanabildiğiniz bir program ve debug işlemi yaparak hatalarınızı kolayca bulabilirsiniz.</p><blockquote><a href="https://code.visualstudio.com/download">https://code.visualstudio.com/download</a> tıklayarak sayfaya gidebilirsiniz.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vFKgQgxEGaGN4YTLPPTx7g.png" /></figure><p>Kullandığınız bilgisayara göre indirme işlemini gerçekleştirebilirsiniz. Aynı şekilde .exe dosyasına tıklayarak ilerleyeceğiz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/602/1*xHayLSmU5D7yIIgSJI5-eA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/604/1*WsrTyTQMZDD3l2nz9lHz8Q.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/602/1*j3LYJ0nS622B1qrMVU-Dmg.png" /></figure><h3>3. Adım VSC içerisinde Python Kullanımı</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*s1qjzd6WoCydztJjQXwgNw.png" /></figure><p>Açtığınızda bu şekilde bir sayfayla karşılacaksınız ilk olarak kırmızı ok ile belirttiğim ikona tıklayacağız. Extensions ikonu oluyor. VS Code içerisinde kullanmak istediğimiz dilleri ya da diğer uzantıları oradan ekleyebiliyoruz. Tabi bunu yapmak için ilk olarak istediğiniz dilin ya da uzantının bilgisayarınızda yüklü olması gerekiyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*LyTh1qNSln81Vefktpnoig.png" /></figure><p>Extensions içerisinde arama kısmına Python yazarak içine giriyoruz ve install butonuna tıklayarak Python ‘ı VS Code içerisine eklemiş oluyoruz.</p><p>Ardından masaüstümüze bir klasör açarak VS Code içerisine alıyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*e4MEj4Js4BAZDvGMLjrtEw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/527/1*ka81x23wPH9h-yyrEgD3tQ.png" /></figure><p>Dosyamızı VS Code içerisine aldıktan sonra .py uzantılı bir dosya açarak kodumuzu yazmaya başlayabiliriz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/293/1*ySPXWNazcNQEF2J8uaajvQ.png" /></figure><p>Turuncu kısım başlık, sarı kısım ise .py gibi uzantıların açıldığı kısım oluyor. Projede yer alan CSV dosyamı Kaggle içerisinde yer alan veri setlerinden aldım.</p><blockquote>Sizde <a href="https://www.kaggle.com/datasets/">https://www.kaggle.com/datasets/</a> bu linkten veri setlerine ulaşabilirsiniz.</blockquote><p>Bir sonraki yazımda kütüphanelerin indirilmesini anlatacağım. Umarım bu yazı yeni başlayacaklar için faydalı olur.</p><p>Sorularınız olursa bana <a href="https://www.linkedin.com/in/berfinozcan/"><strong><em>LinkedIn</em></strong></a> üzerinden ulaşabilirsiniz. Güzel günler :)</p><p>“This article is also available in English👉 <a href="https://medium.com/@berfinozcan/beginners-guide-to-python-and-visual-studio-code-460d6ea2678a">ENG Version</a>.”</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=71a057118b81" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>