df <- read_csv("pisa2018TURFIN.csv")
## New names:
## Rows: 12539 Columns: 1120
## ── Column specification
## ──────────────────────────────────────────────────────── Delimiter: "," chr
## (14): CNT, CYC, NatCen, STRATUM, ST011D17TA, ST011D18TA, ST011D19TA, OC... dbl
## (764): ...1, CNTRYID, CNTSCHID, CNTSTUID, SUBNATIO, OECD, ADMINMODE, LAN... lgl
## (342): LANGTEST_PAQ, EC031Q01TA, EC032Q01TA, EC033Q01NA, EC150Q01WA, EC1...
## ℹ Use `spec()` to retrieve the full column specification for this data. ℹ
## Specify the column types or set `show_col_types = FALSE` to quiet this message.
## • `` -> `...1`
head(df)
## # A tibble: 6 × 1,120
##    ...1 CNTRYID CNT   CNTSCHID CNTSTUID CYC   NatCen STRATUM SUBNATIO  OECD
##   <dbl>   <dbl> <chr>    <dbl>    <dbl> <chr> <chr>  <chr>      <dbl> <dbl>
## 1     1     246 FIN   24600106 24600001 07MS  024600 FIN0003  2460000     1
## 2     2     246 FIN   24600054 24600003 07MS  024600 FIN0004  2460000     1
## 3     3     246 FIN   24600069 24600005 07MS  024600 FIN0007  2460000     1
## 4     4     246 FIN   24600148 24600007 07MS  024600 FIN0007  2460000     1
## 5     5     246 FIN   24600149 24600008 07MS  024600 FIN0007  2460000     1
## 6     6     246 FIN   24600036 24600009 07MS  024600 FIN0009  2460000     1
## # ℹ 1,110 more variables: ADMINMODE <dbl>, LANGTEST_QQQ <dbl>,
## #   LANGTEST_COG <dbl>, LANGTEST_PAQ <lgl>, BOOKID <dbl>, ST001D01T <dbl>,
## #   ST003D02T <dbl>, ST003D03T <dbl>, ST004D01T <dbl>, ST005Q01TA <dbl>,
## #   ST006Q01TA <dbl>, ST006Q02TA <dbl>, ST006Q03TA <dbl>, ST006Q04TA <dbl>,
## #   ST007Q01TA <dbl>, ST008Q01TA <dbl>, ST008Q02TA <dbl>, ST008Q03TA <dbl>,
## #   ST008Q04TA <dbl>, ST011Q01TA <dbl>, ST011Q02TA <dbl>, ST011Q03TA <dbl>,
## #   ST011Q04TA <dbl>, ST011Q05TA <dbl>, ST011Q06TA <dbl>, ST011Q07TA <dbl>, …

##Degisken Tanımlama

head(df$PV1MATH) # y değiskeni (MAtematik Puanı)
## [1] 555.219 622.515 658.599 558.285 455.801 461.248
head(df$HOMEPOS) # x değişkeni (Ailenin ev içi imkanı)
## [1]  0.8219  0.5558  0.3166 -1.4644  0.2026  0.6488
head(df$ESCS)    # düzenleyici(Sosyoekonomik Düzey)
## [1]  0.8902  0.0650  1.1753 -0.5664  0.2933  1.0949
head(df$SCREADCOMP) #aracı (Okudugunu Anlama)
## [1] -0.5485 -0.9323 -0.5485  0.1222  0.1222 -1.4439
head(df$WEALTH) # aracı (AileninbVarlık Düzeyi)
## [1]  0.7462 -0.1557  0.6401 -1.1649  0.5140  1.2184
head(df$ST004D01T) #düzenleyici (Cinsiyet)
## [1] 2 2 2 2 1 2
Y <- "PV1MATH"
X <- "HOMEPOS"
M <- "SCREADCOMP"
W <- "ESCS"

Degiskenleri Seçme ve Eksik Verileri Silme

degiskenler <- c("CNT",X, Y, M, W)
dfTURFIN <- df[,degiskenler]
dfTURFIN <-na.omit(dfTURFIN)
dfTUR <- dfTURFIN %>%  filter(CNT == "TUR")
dfFIN <- dfTURFIN %>%  filter(CNT == "FIN")

##Korelasyon

cor(dfTUR[,c(X,Y,M,W)],use = "pairwise")
##              HOMEPOS    PV1MATH SCREADCOMP       ESCS
## HOMEPOS    1.0000000 0.30660417 0.12019169 0.75725750
## PV1MATH    0.3066042 1.00000000 0.05258519 0.33848214
## SCREADCOMP 0.1201917 0.05258519 1.00000000 0.08045884
## ESCS       0.7572575 0.33848214 0.08045884 1.00000000
cor(dfFIN[,c(X,Y,M,W)],use = "pairwise")
##              HOMEPOS   PV1MATH SCREADCOMP      ESCS
## HOMEPOS    1.0000000 0.2628216  0.1949534 0.6804344
## PV1MATH    0.2628216 1.0000000  0.3067485 0.3326064
## SCREADCOMP 0.1949534 0.3067485  1.0000000 0.1908384
## ESCS       0.6804344 0.3326064  0.1908384 1.0000000

Turkiye Korelasyon 1. HOMEPOS – ESCS (r = 0.75) -Yüksek ve güçlü pozitif ilişki 2. ESCS – PV1MATH (r = 0.33) -Orta düzey pozitif ilişki 3. HOMEPOS – PV1MATH (r = 0.30) -Orta düzeye yakın pozitif ilişki 4. SCREADCOMP – HOMEPOS (r = 0.12) - Zayıf ilişki 5. SCREADCOMP – ESCS (r = 0.08) - Zayıf ilişki 6. SCREADCOMP – PV1MATH (r = 0.05) - Zayıf ilişki

Finlandiya Korelasyon 1. HOMEPOS – ESCS (r = 0.68) -Yüksek düzeyde pozitif ilişki 2. ESCS – PV1MATH (r = 0.33) -Orta düzey pozitif ilişki 3. HOMEPOS – PV1MATH (r = 0.26) -Düşük-orta düzey pozitif ilişki 4. SCREADCOMP – PV1MATH (r = 0.30)-Orta düzey pozitif ilişki 5. SCREADCOMP – ESCS (r = 0.19) - Zayıf ilişki 6. SCREADCOMP – HOMEPOS (r = 0.19) - Zayıf ilişki

  1. HOMEPOS – ESCS Türkiye: r = 0.75 Finlandiya: r = 0.68 Türkiye’de ev içi olanaklar ile sosyo-ekonomik statü etkisi Finlandiya’ya göre daha güçlü. ANcak bu değişkenler Finlandiya içinde anlamlı.

  2. ESCS – PV1MATH Türkiye: r = 0.33 Finlandiya: r = 0.33 Sosyo-ekonomik düzeyin matematik başarısıyla ilişkisi iki ülkede de benzer düzeyde.

  3. HOMEPOS – PV1MATH Türkiye: r = 0.30 Finlandiya: r = 0.26 Türkiye’de evdeki kaynaklar matematik başarısını daha doğrudan etkiliyor.

  4. SCREADCOMP – PV1MATH Türkiye: r = 0.05 (çok zayıf) Finlandiya: r = 0.30 (orta düzey)

Türkiye’de okuduğunu anlama, matematik başarısıyla neredeyse ilişkisizken Finlandiya’da matematik başarısı güçlü biçimde okuma becerilerine bağlı.

ggpairs(dfTUR[,c(X,Y,M,W)])

ggpairs(dfFIN[,c(X,Y,M,W)])

##TURKİYE ORNEGİ

Y <- "PV1MATH"
X <- "HOMEPOS"
M <- "SCREADCOMP"
W <- "ESCS"

model1 <- lm(PV1MATH ~ HOMEPOS, data = dfTUR)
model2 <- lm(PV1MATH ~ HOMEPOS + SCREADCOMP, data = dfTUR)
model3 <- lm(PV1MATH ~ HOMEPOS + SCREADCOMP + HOMEPOS*SCREADCOMP, data = dfTUR)
model4 <- lm(PV1MATH ~ HOMEPOS + ESCS , data = dfTUR)
model5 <- lm(PV1MATH ~ HOMEPOS + ESCS + SCREADCOMP , data = dfTUR)
model6 <- lm(PV1MATH ~ HOMEPOS + ESCS + HOMEPOS*ESCS , data = dfTUR)
summary(model1)
## 
## Call:
## lm(formula = PV1MATH ~ HOMEPOS, data = dfTUR)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -274.51  -57.25   -1.38   53.53  332.29 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 483.9485     1.5087  320.76   <2e-16 ***
## HOMEPOS      25.1029     0.9529   26.34   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 82.69 on 6688 degrees of freedom
## Multiple R-squared:  0.09401,    Adjusted R-squared:  0.09387 
## F-statistic: 693.9 on 1 and 6688 DF,  p-value: < 2.2e-16

Ev içi olanakları, Türkiye örnekleminde matematik başarısını anlamlı fakat sınırlı düzeyde yordamaktadır (R kare = 0.09) ev içi olanaklar arttıkça atematik başarısı ortalama ~25 puan yükselmektedir.

summary(model2)
## 
## Call:
## lm(formula = PV1MATH ~ HOMEPOS + SCREADCOMP, data = dfTUR)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -275.28  -57.13   -1.50   53.80  332.10 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 483.7242     1.5176 318.738   <2e-16 ***
## HOMEPOS      24.9458     0.9598  25.990   <2e-16 ***
## SCREADCOMP    1.4225     1.0446   1.362    0.173    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 82.68 on 6687 degrees of freedom
## Multiple R-squared:  0.09426,    Adjusted R-squared:  0.09399 
## F-statistic: 347.9 on 2 and 6687 DF,  p-value: < 2.2e-16

Okuduğunu anlama değişkeni modele eklendiğinde matematik başarısına anlamlı katkı sağlamamakta, açıklanan varyans neredeyse değişmemektedir (R kare = 0.09).

summary(model3)
## 
## Call:
## lm(formula = PV1MATH ~ HOMEPOS + SCREADCOMP + HOMEPOS * SCREADCOMP, 
##     data = dfTUR)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -275.52  -57.17   -1.55   53.90  332.00 
## 
## Coefficients:
##                    Estimate Std. Error t value Pr(>|t|)    
## (Intercept)        483.8815     1.5303  316.19   <2e-16 ***
## HOMEPOS             25.0024     0.9625   25.98   <2e-16 ***
## SCREADCOMP           0.5785     1.4844    0.39    0.697    
## HOMEPOS:SCREADCOMP  -0.7341     0.9174   -0.80    0.424    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 82.69 on 6686 degrees of freedom
## Multiple R-squared:  0.09434,    Adjusted R-squared:  0.09394 
## F-statistic: 232.2 on 3 and 6686 DF,  p-value: < 2.2e-16
summary(model4)
## 
## Call:
## lm(formula = PV1MATH ~ HOMEPOS + ESCS, data = dfTUR)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -280.663  -55.055   -0.134   53.498  314.311 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  487.242      1.505 323.827  < 2e-16 ***
## HOMEPOS        9.652      1.438   6.714 2.06e-11 ***
## ESCS          18.383      1.295  14.192  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 81.48 on 6687 degrees of freedom
## Multiple R-squared:  0.1205, Adjusted R-squared:  0.1202 
## F-statistic: 458.1 on 2 and 6687 DF,  p-value: < 2.2e-16

Türkiye örnekleminde matematik başarısı HOMEPOS ve özellikle ESCS tarafından anlamlı biçimde yordanmaktadır.

summary(model5)
## 
## Call:
## lm(formula = PV1MATH ~ HOMEPOS + ESCS + SCREADCOMP, data = dfTUR)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -281.787  -54.845   -0.237   53.491  314.060 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  486.986      1.513 321.912  < 2e-16 ***
## HOMEPOS        9.440      1.443   6.540 6.62e-11 ***
## ESCS          18.417      1.295  14.218  < 2e-16 ***
## SCREADCOMP     1.661      1.029   1.613    0.107    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 81.47 on 6686 degrees of freedom
## Multiple R-squared:  0.1208, Adjusted R-squared:  0.1204 
## F-statistic: 306.3 on 3 and 6686 DF,  p-value: < 2.2e-16

Türkiye örnekleminde matematik başarısı HOMEPOS ve özellikle ESCS tarafından anlamlı biçimde yordanmakta, SCREADCOMP modele eklendiğinde ek açıklayıcı güç kazandırmamaktadır.

summary(model6)
## 
## Call:
## lm(formula = PV1MATH ~ HOMEPOS + ESCS + HOMEPOS * ESCS, data = dfTUR)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -279.10  -55.37    0.07   53.40  316.44 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  487.6872     1.5160 321.691  < 2e-16 ***
## HOMEPOS       11.6417     1.6678   6.980 3.23e-12 ***
## ESCS          19.7290     1.4158  13.935  < 2e-16 ***
## HOMEPOS:ESCS   1.4948     0.6358   2.351   0.0187 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 81.45 on 6686 degrees of freedom
## Multiple R-squared:  0.1212, Adjusted R-squared:  0.1208 
## F-statistic: 307.4 on 3 and 6686 DF,  p-value: < 2.2e-16

Türkiye örnekleminde HOMEPOS ve ESCS matematik başarısını bağımsız olarak yordarken, aralarındaki etkileşim de küçük ama anlamlıdır. Ev içi olanakların matematik başarısı üzerindeki etkisinin sosyo-ekonomik düzey yükseldikçe güçlendiğini, yani aile kaynaklarının birbirini tamamlayıcı çalıştığını göstermektedir.

##FINLANDIYA ORNEGI

Y <- "PV1MATH"
X <- "HOMEPOS"
M <- "SCREADCOMP"
W <- "ESCS"

model1 <- lm(PV1MATH ~ HOMEPOS, data = dfFIN)
model2 <- lm(PV1MATH ~ HOMEPOS + SCREADCOMP, data = dfFIN)
model3 <- lm(PV1MATH ~ HOMEPOS + SCREADCOMP + HOMEPOS*SCREADCOMP, data = dfFIN)
model4 <- lm(PV1MATH ~ HOMEPOS + ESCS , data = dfFIN)
model5 <- lm(PV1MATH ~ HOMEPOS + ESCS + SCREADCOMP , data = dfFIN)
model6 <- lm(PV1MATH ~ HOMEPOS + ESCS + HOMEPOS*ESCS , data = dfFIN)
summary(model1)
## 
## Call:
## lm(formula = PV1MATH ~ HOMEPOS, data = dfFIN)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -306.319  -51.885    2.583   53.250  259.166 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  506.040      1.099  460.44   <2e-16 ***
## HOMEPOS       28.638      1.434   19.97   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 78.06 on 5374 degrees of freedom
## Multiple R-squared:  0.06908,    Adjusted R-squared:  0.0689 
## F-statistic: 398.8 on 1 and 5374 DF,  p-value: < 2.2e-16

Finlandiya örnekleminde HOMEPOS matematik başarısını anlamlı ancak sınırlı düzeyde yordamaktadır (R kare = 0.06). Türkiye’ye kıyasla ev içi olanakların açıklayıcı gücü daha düşüktür başarı üzerindeki etki aileden çok okul ve sisteme bağlı olduğu görülmektedir.

summary(model2)
## 
## Call:
## lm(formula = PV1MATH ~ HOMEPOS + SCREADCOMP, data = dfFIN)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -317.33  -48.89    1.61   51.68  249.67 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  505.164      1.059  476.94   <2e-16 ***
## HOMEPOS       22.996      1.408   16.33   <2e-16 ***
## SCREADCOMP    21.495      1.046   20.55   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 75.17 on 5373 degrees of freedom
## Multiple R-squared:  0.1369, Adjusted R-squared:  0.1366 
## F-statistic: 426.3 on 2 and 5373 DF,  p-value: < 2.2e-16

Finlandiya örnekleminde hem HOMEPOS hem de SCREADCOMP matematik başarısını güçlü bir biçimde yordamaktadır. Modelin açıklayıcılığı belirgin biçimde artmaktadır (R kare = 0.13). Finlandiya’da matematik başarısı yalnızca aile kaynaklarına değil, okuduğunu anlamayada dayanmaktadır.

summary(model3)
## 
## Call:
## lm(formula = PV1MATH ~ HOMEPOS + SCREADCOMP + HOMEPOS * SCREADCOMP, 
##     data = dfFIN)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -319.61  -49.25    1.57   51.37  250.35 
## 
## Coefficients:
##                    Estimate Std. Error t value Pr(>|t|)    
## (Intercept)         505.005      1.071 471.448   <2e-16 ***
## HOMEPOS              22.934      1.409  16.273   <2e-16 ***
## SCREADCOMP           21.204      1.086  19.525   <2e-16 ***
## HOMEPOS:SCREADCOMP    1.216      1.225   0.993    0.321    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 75.17 on 5372 degrees of freedom
## Multiple R-squared:  0.1371, Adjusted R-squared:  0.1366 
## F-statistic: 284.5 on 3 and 5372 DF,  p-value: < 2.2e-16

Finlandiya örnekleminde ev içi olanaklar ve okuduğunu anlama değişkenleri matematik başarısını bağımsız ve güçlü biçimde yordarken, aralarındaki etkileşim anlamlı değildir. Bu durum, okuma becerileri ile ev içi kaynakların PV1MATH üzerindeki etkilerinin birbirinden bağımsız ve istikrarlı çalıştığını göstermektedir.

summary(model4)
## 
## Call:
## lm(formula = PV1MATH ~ HOMEPOS + ESCS, data = dfFIN)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -300.543  -50.739    1.821   52.643  251.954 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  500.883      1.118 447.895  < 2e-16 ***
## HOMEPOS        7.407      1.910   3.877 0.000107 ***
## ESCS          29.556      1.810  16.333  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 76.2 on 5373 degrees of freedom
## Multiple R-squared:  0.1131, Adjusted R-squared:  0.1128 
## F-statistic: 342.6 on 2 and 5373 DF,  p-value: < 2.2e-16

Finlandiya örnekleminde matematik başarısı esas olarak ESCS tarafından yordanmakta, HOMEPOS’un katkısı ikincil ama anlamlı düzeydedir. Modelin açıklayıcılığı (R kare = 0.11), başarı üzerinde genel sosyo-ekonomik bağlamın ev içi kaynaklardan daha belirleyici olduğunu göstermektedir.

summary(model5)
## 
## Call:
## lm(formula = PV1MATH ~ HOMEPOS + ESCS + SCREADCOMP, data = dfFIN)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -311.885  -48.627    1.383   50.025  243.253 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  500.547      1.080 463.362   <2e-16 ***
## HOMEPOS        4.106      1.853   2.216   0.0267 *  
## ESCS          26.761      1.754  15.261   <2e-16 ***
## SCREADCOMP    20.226      1.027  19.689   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 73.6 on 5372 degrees of freedom
## Multiple R-squared:  0.1728, Adjusted R-squared:  0.1723 
## F-statistic: 374.1 on 3 and 5372 DF,  p-value: < 2.2e-16

Finlandiya örnekleminde matematik başarısı sosyoeknomik düzey ve özellikle okuduğunu anlama değişkeni tarafından güçlü biçimde yordanmakta, ev içi olanakların katkısı zayıflamakla birlikte anlamlı kalmaktadır.

summary(model6)
## 
## Call:
## lm(formula = PV1MATH ~ HOMEPOS + ESCS + HOMEPOS * ESCS, data = dfFIN)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -301.860  -50.686    2.265   52.823  253.930 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   502.110      1.194 420.470  < 2e-16 ***
## HOMEPOS         9.208      2.007   4.589 4.55e-06 ***
## ESCS           29.441      1.809  16.277  < 2e-16 ***
## HOMEPOS:ESCS   -3.370      1.156  -2.915  0.00357 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 76.14 on 5372 degrees of freedom
## Multiple R-squared:  0.1145, Adjusted R-squared:  0.114 
## F-statistic: 231.6 on 3 and 5372 DF,  p-value: < 2.2e-16

Finlandiya örnekleminde sosyoekonomik düzey matematik başarısının en güçlü yordayıcısı olmaya devam ederken, ev içi olanakların etkisi sosyoekonomik dğzey arttıkça zayıflamaktadır.

##FONKSİYONLAR VE DONGULER FONKSİYONLAR Fonksiyonların değişkenler gibi saklanabilir, başka fonksiyonlara argüman olarak verilebilir ve iç içe tanımlanabilir.

Fonksiyonlar function() ile tanımlanır ve bir nesneye atanırlar ve tekrar eden işlemleri tek bir komutla yapmayı sağlar.

Fonksiyonlar tekrarı azaltır, hataları minimize eder, kodun okunabilirliğini artırır, Karmaşık işlemleri yönetilebilir hâle getirir.

Argüman Eşleştirme

R’de argümanlar konuma veya isme göre eşleştirilebilir.

… (üç nokta) Argümanı

Değişken sayıda argüman kabul etmek için kullanılır ve başka fonksiyonlara argüman aktarmak için tercih edilir. …’dan sonra gelen argümanlar mutlaka isimle belirtilmelidir.

  1. DÖNGÜLER VE KONTROL YAPILARI

Kontrol yapıları, kodun her zaman aynı şekilde çalışmasını değil, koşullara bağlı olarak farklı yollar izlemesini sağlar.

Koşullu Yapılar (if – else) if tek koşul test eder, else ise koşul sağlanmazsa çalışır. else if çoklu koşullar için kullanılır.

all() ve any() all() → tüm elemanlar koşulu sağlıyor mu? any() → en az bir eleman sağlıyor mu?

for Döngüsü Vektör, liste, matris ve veri çerçeveleri ile çalışır ve belirli sayıda veya belirli bir nesne üzerinde yineleme yapar.seq_along() güvenli indeksleme sağlar

İç İçe for Döngüleri Çok boyutlu yapılar için kullanılır ancak okunabilirliği zorlaştırabileceği için dikkatli olunmalıdır.Gerekirse fonksiyonlara bölünmelidir.

Döngü Kontrolü next → mevcut işlem atlar break → döngüyü tamamen sonlandırır next ve break ile belirli koşullarda işlem yapılmaz ve erken durdurma sağlanır.

While Döngüsü Koşul doğru olduğu sürece çalışır, başlangıç ve güncelleme dikkatle yapılmazsa sonsuz döngü oluşabilir.

Repeat Döngüsü Sonsuz döngü başlatır. Döngüden çıkmak yalnızca break ile mümkündür.