2.9.26
2 Kas 2026’da yayımlandı
Fredit Flow resmî sitesi
Data cleaning python: inceleyip test ettiğin betikler
Fredit Flow 2.9.26, kendi CSV ve JSON dosyalarında Python temizleme betikleri yazıp çalıştıran, sonucu yeni bir dosyaya kaydeden ve sana diff gösteren bir Windows ajanıdır.
customers.csv dosyasını temizle: boşlukları kırp, e-postaları küçük harfe çevir, yinelenen müşterileri at ve customers_clean.csv olarak kaydet.
- glob
./*.csv2 dosya - read_file
./customers.csvörnek okundu - write_file
./clean_customers.pykaydedildi - Shell
your Python command clean_customers.pyçıkış kodu 0 - read_file
./customers_clean.csv8 satır
Sonraki adımdan önce onayın bekleniyorReddetKabul et
Windows 10/11
Yalnızca 64 bit (x64)
Yaklaşık 34 MB
Taşınabilir .exe yaklaşık 25 MB
13 dil
Uygulamanın içinde
Gerekmez
Üye olunacak bir şey yok
Bulut veya yerel
Ya da yerleşik model
Burada data cleaning python betikleri nasıl çalışır
Data cleaning python betikleri, analizden önce bir veri kümesindeki hataları bulup düzeltir: yanlış türler, fazladan boşluklar, karışık büyük-küçük harf, yinelenen satırlar ve eksik değerler. Fredit Flow böyle bir betiği yazıp çalıştırır; sen her kuralı onaylar ve diff’i okursun. Orijinal dosyaya dokunulmaz. Temizlenen veri yeni bir dosyaya gider ve aşağıdaki 4 örnek adımları gösterir.
Kendi mağazanın müşteri dışa aktarımını düzenle
Mağazandan aldığın customers.csv dosyasında fazladan boşluklar, karışık harfli e-postalar, tekrar eden müşteriler ve metin olarak saklanan yaşlar var. Fredit Flow önce read_file ile ilk satırlara bakar, ardından write_file clean_customers.py dosyasını kaydeder: bu betik boşlukları kırpar, e-postaları küçük harfe çevirir, tekrar eden adresleri atlar ve yaşları sayıya dönüştürür. Shell onu senin kendi Python komutunla çalıştırır ve gerçek çıkış kodunu ile yazdırılan satır sayılarını bildirir. Çıktı customers_clean.csv olur. Orijinalin customers.csv olduğu gibi kalır. Ask first modunda kart, dosya kaydedilmeden önce durur; sonuca güvenmeden önce her iki dosyadan 10 satırı elle kontrol edersin.
Araç izi
read_file ./customers.csv → first rows
write_file ./clean_customers.py → saved
Shell your Python command clean_customers.py → exit 0
read_file ./customers_clean.csv → 8 rowsEksik değerlerle ne yapacağına karar ver
Eksik değerlerin tek bir doğru cevabı yoktur ve veri temizleme sürecinin bu bölümü senin kararındır. sales.csv içinde grep art arda iki virgül arar; bu yalnızca satır ortasındaki boşlukları bulur, bu yüzden betik satır sonlarındaki boşlukları ve n/a gibi yer tutucuları da ele almalıdır. Her sütun için bir kural seçersin: satırı at, sabit bir değerle doldur, medyanla doldur ya da boşluğu bırakıp işaretle. write_file clean_sales.py dosyasını oluşturur, edit_file bu betiği değiştirir ve Ask first modunda diff’i okursun. Her seçimi kaydet. Sonra sales_clean.csv içindeki işaretli 5 satırı kendin oku.
Araç izi
grep ,, ./sales.csv → 6 lines
write_file ./clean_sales.py → saved
edit_file ./clean_sales.py → +9 lines
Shell your Python command clean_sales.py → exit 0Python ile data wrangling: iki dosyayı bir anahtarla birleştir
Kendi mağazandan orders.csv ve customers.csv dosyaların var ve tek bir tablo istiyorsun. read_file iki dosyanın başlık satırlarını gösterir, böylece ajan ortak müşteri kimliğini belirleyebilir ve write_file merge_orders.py dosyasını kaydeder. Shell betiği senin kendi Python komutunla çalıştırır ve kaç siparişin müşteri bulduğunu, kaçının bulamadığını yazdırır. Eşleşmeyen satırlar listelenir. Ayrı bir dosyaya gider, kaybolmaz; birleştirilmiş tablo da yeni bir dosyaya yazılır. İki satır sayısını orijinallerle karşılaştır, sonra birkaç birleşik satırı açıp her siparişin doğru müşteriyi taşıdığını kontrol et.
Hiçbir şey çalışmadan önce planı oku
Plan only modu temizleme adımlarını yazar ama hiçbir şey çalıştırmaz; yani hiçbir komut başlamaz ve hiçbir dosya değişmez. Dışa aktarımlar içeren bir klasör için plan, read_file’ın neleri inceleyeceğini, betiğin hangi kuralları uygulayacağını ve her çıktı dosyasının nereye gideceğini listeler. Planlar yeniden başlatmalardan sonra da durur. Planı okur, sohbette farklı bir kural istersin ve uygulamak için Ask first’e geçersin. Daha sonra Cron betiği zamanlanmış olarak yeniden çalıştırabilir; böylece 1 yeni dışa aktarım aynı kuralları alır. Kaydedilen Python betiği düz metin bir CSV temizleyicisidir: okuyabilir, bir kopyada çalıştırabilir ve saklayabilirsin.
Sıradan bir sohbet asistanından farkı
Sohbet asistanları adım önerir. Fredit Flow 2.9.26 araçları kendisi çalıştırır ve her eylem sohbette komut çıktısı ya da dosya diff’i gibi gerçek sonucuyla bir kart olarak görünür.
| Sıradan sohbet asistanı | Fredit Flow | |
|---|---|---|
| Eylemler | Bir betik önerir, çalıştırmayı sana bırakır | Araçları çalıştırır ve her sonucu kart olarak gösterir |
| Dosyaların | Sohbete yapıştırdığın metinle çalışır | Sohbetin çalışma klasöründeki dosyaları okur |
| Değişiklikler | Düzenlemeleri elle kopyalarsın | Ask first modunda bir düzenlemeyi kabul etmeden önce diff gösterir |
| Veri gizliliği | Yapıştırılan metin sağlayıcıya gider | Yerel bir modelle hiçbir şey bilgisayarından çıkmaz |
Nasıl başlanır
- Yaklaşık 34 MB’lık kurulum programını indir ve SHA-256 sağlama toplamını yayımlanan manifestle karşılaştır.
- Windows 10 veya 11’de çalıştır, ardından bir model bağla: bir bulut sağlayıcısı, yerel çalışan bir model ya da yerleşik model.
- Kendi CSV veya JSON dosyalarını içeren proje klasörünü seç; dosya araçları sohbetin çalışma klasörünün içinde çalışır.
- Ask first veya Plan only modunda tek bir temizleme işi iste, diff’i oku, betiği bir kopyada çalıştır ve çıktıyı örnekleyerek kontrol et.
Kim, ne zaman kullanır
İlk grup, dağınık bir dışa aktarımı olan analistler, mağaza sahipleri ve anket sahipleridir. CSV ve JSON dosyaları fazladan boşluklarla, karışık tarih biçimleriyle ve tekrar eden müşterilerle gelir; onlar okuyabilecekleri, yeniden çalıştırabilecekleri ve saklayabilecekleri bir betik ister. Orijinaller olduğu gibi kalır.
İkinci grup, makine öğrenmesi için veri hazırlayan öğrenciler ve mühendislerdir. Dağınık gerçek dünya verisi modelleri sürekli bozar; veri ön işleme ise temizlemenin ardından kategorileri kodlama ve sayıları ölçekleme gibi adımların gelmesinin adıdır. Önce böl. Fredit Flow 2.9.26 betiği yazar, bölmeyi sen kontrol edersin.
Dosyalarında kişisel bilgiler olan herkes için fazladan bir adım vardır. İstemler ve ajanın okuduğu dosya metinleri, seçtiğin model uç noktasına gider; bu yüzden bilgisayarında yerel çalışan bir model kullan ya da önce kişisel sütunları kaldır. İstemlerin nereye gittiğini bil. Yalnızca sana ait olan ya da işleme hakkına sahip olduğun verilerle çalış.
Sık sorulan sorular
“Data cleaning python” ne demek?
Bu ifade, analizden önce bir veri kümesindeki hataları, yani yanlış türleri, fazladan boşlukları, yinelenen satırları ve eksik değerleri bulup düzelten bir Python betiği yazmak anlamına gelir. Fredit Flow bu betiği seninle birlikte yazıp çalıştırarak yardım eder. Her kuralı sen onaylarsın.
freditcode.com, Fredit Flow’un resmî sitesi mi?
Evet, freditcode.com Fredit Flow’un resmî sitesidir. Kurulum programı imzasızdır. Çalıştırmadan önce indirdiğin dosyanın SHA-256 sağlama toplamını yayımlanan manifestle karşılaştır; sorularını da uygulamanın içindeki Send feedback düğmesiyle gönder.
Eski verileri temizlemeye ne zaman değer?
Eski kayıtlar hâlâ bir rapora, bir karara veya bir modele girdi oluşturuyorsa ve hataları bir betiğin ifade edebileceği kurallara uyuyorsa değer. Aksi hâlde onları dokunmadan arşivle. Her durumda ham kopyayı sakla; çünkü bir kuralı yeniden uygulayabilmen için orijinalin durması gerekir.
Hangi veri temizleme en iyi uygulamalarıyla başlamalıyım?
Önce beş alışkanlık gelir. Kural yazmadan önce ham veriye bak, her kuralı yaz ve orijinalin üzerine yazmak yerine sonucu yeni bir dosyaya kaydet. Sonra öncesi ve sonrası satır sayılarını karşılaştır, çıktıyı elle örnekleyerek kontrol et.
Ajan orijinal dosyamın üzerine yazar mı?
Hayır, yeni bir çıktı dosyası istersen yazmaz; buradaki örneklerin hepsi böyle. Ask first modunda ajan bir şeyi değiştirmeden önce durur, böylece diff’i okuyabilir ve orijinali hedefleyen bir yazma işlemini reddedebilirsin. Ayrıca yedek de al.
Dosyalarım bilgisayarımdan çıkıyor mu?
Cevap senin seçimine bağlı. Bulut modelinde istem metni, ajanın okuduğu dosya metinleri dahil, o sağlayıcıya gider; bilgisayarında yerel çalışan bir model ise dışarıya hiçbir şey göndermez. Bu yüzden kişisel veriler için yerel model gerekir.
Sonuçlar her zaman doğru mu?
Hayır. Ajan senin onayladığın kuralları uygular ve bir değerin doğru olup olmadığını söyleyemez; hiçbir otomatik temizleme eksiksiz değildir. Sonuca güvenmeden önce diff’i oku, betiği bir kopyada test et ve temizlenmiş dosyayı elle örnekleyerek kontrol et.
Kendi verilerinin bir kopyasında dene
Fredit Flow 2.9.26’yi Windows 10 veya 11 için indir, bir model bağla ve sana ait bir dosyanın kopyasına yönlendir. Hesap gerekmez. Her diff’i oku.
Fredit Flow’u Windows için indir ↗Fredit Flow hakkında daha fazlası
Her sayfa 20 dilde mevcuttur.
Ajanın dosyalarınla neler yapabildiği ↗ Bulut, yerel ve yerleşik modeller ↗ Adım adım temizleme iş akışları ↗ Kurulum programını indir ve doğrula ↗ Sorular ve cevaplar ↗ Gizlilik ve veri işleme ↗
