Python Nedir? Ne İçin Kullanılır?

01Python Nedir?

Python nedir sorusunun en kısa yanıtı: insanın okuyup anlayabileceği kadar sade yazılan, ama bilgisayara karmaşık işler yaptırabilen bir dil. Guido van Rossum tarafından geliştirilen ve ilk sürümü 1991'de yayınlanan Python, bugün dünyanın en çok kullanılan programlama dilleri arasında yer alıyor.

Dilin felsefesi okunabilirlik üzerine kuruludur. Kod blokları süslü parantezlerle değil girintiyle belirlenir; bu, dağınık kod yazmayı zorlaştırır. Bir başkasının yazdığı Python kodunu okumak, çoğu dile göre daha kolaydır.

Python yorumlanan bir dildir: ayrı bir derleme adımı olmadan satır satır çalıştırılabilir. Bu, fikri hızla denemeyi kolaylaştırır. Karşılığında saf Python kodu, C gibi derlenen dillere göre daha yavaş çalışır; ancak ağır işler çoğu zaman alt tarafta hızlı dillerle yazılmış kütüphanelere devredilir.

ad = "Ayşe"
siparisler = [120, 85, 240, 60]

toplam = sum(siparisler)
ortalama = toplam / len(siparisler)

print(f"Merhaba {ad}, toplam sipariş: {toplam}, ortalama: {ortalama:.1f}")

02Python Ne İşe Yarar?

Python ne işe yarar sorusu, “neye yaramaz” diye sorulsa daha kısa yanıtlanırdı. Dilin gücü, kendisinden çok etrafındaki geniş kütüphane ekosisteminden gelir: hemen her alan için olgun, ücretsiz ve iyi belgelenmiş paketler bulunur.

Aşağıdaki tablo, Python ile neler yapılır sorusuna alan bazında bir harita sunar:

03Veri Analizi ve Raporlama

İşletmelerin en somut Python kullanımı veri analizidir. Muhasebe programından, e-ticaret panelinden ya da pazaryerinden indirilen tablolar Python ile birleştirilir, temizlenir ve özetlenir. Excel'de saatler süren bir aylık rapor, bir kez yazılan betikle saniyeler içinde yeniden üretilebilir.

Örneğin hangi ürünün hangi ayda daha çok satıldığını, hangi şehirden daha fazla sipariş geldiğini ya da iade oranının hangi kategoride yükseldiğini görmek için birkaç satır yeterlidir. Web sitesi ve kampanya verilerinin düzenli yorumlanması da benzer bir iştir; bu ölçüm tarafını SEO ve analiz çalışmalarımızda ele alıyoruz.

import pandas as pd

df = pd.read_csv("siparisler.csv", parse_dates=["tarih"])
df["ay"] = df["tarih"].dt.to_period("M")

ozet = df.groupby(["ay", "kategori"])["tutar"].sum().unstack(fill_value=0)
print(ozet)
ozet.to_excel("aylik_satis.xlsx")

04Otomasyon: Tekrarlayan İşlere Son

Python'un küçük işletmeler için belki de en değerli yanı otomasyondur. Her gün aynı adımlarla yapılan işler, bir betiğe devredildiğinde hem zaman kazanılır hem de elle veri girişinden kaynaklanan hatalar azalır.

Çok kanallı satış yapan bir işletmede ürün bilgisinin ve stoğun her kanalda aynı kalması da bu tür bir iştir. Küçük ölçekte bir betik işi görebilir; kanal sayısı arttıkça ise siparişleri ve stoğu otomatik eşitleyen bir pazaryeri entegrasyonu daha güvenilir bir çözüm sunar.

Otomasyona uygun işlerin ortak özelliği, kuralı belli ve tekrarlı olmalarıdır. Tipik örnekler:

• Klasördeki yüzlerce ürün görselini yeniden adlandırmak ve boyutlandırmak
• Tedarikçiden gelen fiyat listesini sistemin beklediği biçime dönüştürmek
• Her sabah belirli raporları hazırlayıp e-postayla göndermek
• Farklı kaynaklardaki stok bilgisini karşılaştırıp farkları listelemek
• Bir API'den düzenli veri çekip veritabanına kaydetmek

Betik mi, Entegrasyon mu?

Bir kişinin bilgisayarında çalışan betik, başlangıç için harikadır. Ama süreç iş açısından kritik hâle geldiğinde; hata bildirimi, kayıt tutma, yeniden deneme ve yetki yönetimi gerektiren kalıcı bir entegrasyon çözümüne dönüşmesi gerekir. Örneğin siparişlerin muhasebeye aktarılması gibi bir iş için muhasebe entegrasyonu sürdürülebilir yoldur.

Kod yazmadan otomasyon kurmayı sağlayan araçlar da vardır; hangisinin ne zaman yeterli olduğunu low-code nedir yazımızda karşılaştırdık.

05Python ile Yapay Zeka ve Web

Python, veri ve otomasyonun ötesinde iki büyük alanda daha güçlüdür: yapay zeka uygulamaları ve web arka yüzü. Her iki alanda da dilin sade söz dizimi, karmaşık kavramları daha az kodla ifade etmeyi sağlar.

Yapay Zeka ve Makine Öğrenmesi

Python, yapay zeka ve makine öğrenmesi alanının fiilî standart dilidir. Model eğitimi, veri hazırlama ve deney yapma araçlarının büyük bölümü önce Python için çıkar. Büyük dil modellerine bağlanan uygulamalar, sohbet botları ve belge özetleme gibi işler için de resmî Python kütüphaneleri yaygındır.

Burada beklentiyi doğru kurmak önemlidir: yapay zeka projelerinin başarısı çoğu zaman dilden değil, verinin kalitesinden ve iş sorusunun net tanımlanmasından gelir.

Web Arka Yüzü

Django; yönetim paneli, kullanıcı sistemi ve veritabanı katmanı hazır gelen kapsamlı bir çatıdır. Flask ve FastAPI ise daha hafif, özellikle API geliştirmede tercih edilen seçeneklerdir. Python ile kurulan bir arka yüz, mobil uygulamaya ya da web ön yüzüne veri sunabilir; bu bağlantının nasıl kurulduğunu API nedir yazısında anlattık.

from fastapi import FastAPI

app = FastAPI()

@app.get("/api/durum")
def durum():
    return {"durum": "çalışıyor"}

# Çalıştırmak için: uvicorn main:app --reload

06Python'un Sınırları

Python her iş için en iyi seçim değildir. Tarayıcıda doğrudan çalışmaz; web sayfalarının etkileşimli kısmı için JavaScript gerekir. Mobil uygulama geliştirmede de ana akım bir tercih değildir.

Saf Python kodu, işlemci yoğun ve çok düşük gecikme isteyen işlerde derlenen dillerin gerisinde kalabilir. Bu yüzden büyük sistemlerde Python çoğu zaman veri, otomasyon ve yapay zeka katmanında, başka dillerle yazılmış servislerle birlikte çalışır.

Bir diğer dikkat noktası sürüm ve bağımlılık yönetimidir. Her proje için ayrı bir sanal ortam (virtual environment) kullanmak, farklı projelerin paket sürümlerinin birbirine karışmasını önler.

07Python Öğrenmek İçin Yol Haritası

Python öğrenmek için güçlü bir bilgisayar ya da pahalı bir yazılım gerekmez. python.org adresinden güncel sürümü indirip kurduktan sonra terminalde sürümü kontrol edebilir ve ilk projenizi başlatabilirsiniz. Hedefinizi baştan belirlemek, hangi kütüphanelere odaklanacağınızı netleştirir.

1. Değişkenler, listeler, sözlükler, koşullar, döngüler ve fonksiyonlarla temeli kurun.
2. Dosya okuma-yazma ve hata yakalama (try/except) konularını öğrenin.
3. Kendi işinizden bir problemi seçip küçük bir otomasyon betiği yazın.
4. Hedefinize göre ilerleyin: veri için pandas, web için Django ya da FastAPI, yapay zeka için scikit-learn.
5. Kodunuzu sürüm kontrolünde tutun ve sanal ortam alışkanlığını edinin.

python --version
python -m venv .venv
# Windows: .venv\Scripts\activate
# macOS / Linux: source .venv/bin/activate
pip install pandas