Skip to content

About

PostgreSQL ve Python entegrasyonu ile ilişkisel veri modeli üzerinde GROUP BY, HAVING, çoklu tablo birleştirmeleri (JOIN) ve tarih fonksiyonları kullanılarak geliştirilmiş 10 adet analitik SQL sorgusu ve pytest test otomasyonu.

Resources

Stars

0 stars

Watchers

0 watching

Forks

 
 

Latest commit

 

History

25 Commits

Folders and files

Repository files navigation

📊 Data Science SQL Project 3 - Relational Database, Aggregation & Joins

Bu projede, PostgreSQL üzerinde ilişkisel veritabanı (Relational Database) mimarisi kurarak gelişmiş veri analizi, çoklu tablo birleştirme (JOIN) ve toplulaştırma (Aggregation) çalışmaları gerçekleştirdim. Proje kapsamında verilerin şemalar halinde izole edilmesi, tarih manipülasyonları ve ilişkisel köprü tabloları üzerinden analitik sorgular üretilmiştir.


🛠️ Teknolojiler ve Veritabanı Mimarisi

  • Veritabanı: PostgreSQL
  • Şema Yönetimi: Proje nesnelerinin public şeması ile karışmaması adına data3 isimli özel bir şema (Schema) oluşturulmuş ve ALTER USER postgres SET search_path TO data3, public; komutuyla arama yolu kalıcı olarak optimize edilmiştir.

Veri Modeli ve İlişkiler

Proje, birbiriyle ilişkili 3 temel tablonun yönetimi üzerine kurulmuştur:

  • students: Öğrenci demografik ve yaş bilgileri.
  • courses: Açılan kurslar ve kategorileri.
  • enrollments: Öğrencilerin kurslara kayıt geçmişini tutan, yabancı anahtarlarla (FOREIGN KEY) bağlı ilişkisel köprü tablosu.

🚀 Projede Çözülen Analitik Problemler ve Kazanımlar

Yazdığım sorgularla aşağıdaki SQL yetkinlikleri üzerine pratik çözümler geliştirilmiştir:

  1. Zaman Serisi ve Tarih Fonksiyonları:

    • DATE_TRUNC ile kayıtlar ay bazında yuvarlanarak kronolojik trend analizi yapıldı.
    • DATE_PART fonksiyonu kullanılarak kayıt tarihlerinden sadece yıl bilgisi izole edildi.
  2. Toplulaştırma (Aggregate) Fonksiyonları:

    • SUM, COUNT, MIN ve AVG fonksiyonları aktif şekilde kullanılarak; toplam yaş, kurs sayıları, en eski kayıt tarihleri ve en genç öğrenci tespiti gibi metrikler hesaplandı.
    • Filtreleme operasyonlarında statik eşikler kullanılarak veri kümesi başarıyla analiz edildi.
  3. Gelişmiş Çoklu Tablo Birleştirmeleri (JOIN + GROUP BY):

    • Üç tablo (courses, enrollments, students) birbirine JOIN mekanizmalarıyla bağlanarak ders bazlı öğrenci sayısı ve yaş ortalamaları hesaplandı.
    • DISTINCT ve RIGHT JOIN yapıları kullanılarak mükerrer kayıtlar önlendi ve kayıt olunmuş derslerin isimleri tekrarsız olarak listelendi.

💻 Projeyi Yerelde Çalıştırma

  1. Projeyi klonlayın ve bağımlılıkları yükleyin:
    pip install -r requirements.txt

About

PostgreSQL ve Python entegrasyonu ile ilişkisel veri modeli üzerinde GROUP BY, HAVING, çoklu tablo birleştirmeleri (JOIN) ve tarih fonksiyonları kullanılarak geliştirilmiş 10 adet analitik SQL sorgusu ve pytest test otomasyonu.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages