Matplotlib ile Grafik Çizimi

Adı : Matplotlib ile Grafik Çizimi

Matplotlib, Python programlama dilinde veri görselleştirme için kullanılan bir kütüphanedir. Bu kütüphane, anaconda gibi Python tabanlı veri analizi için kullanılan birçok paketle birlikte gelmektedir. Matplotlib, grafik çizmek için kullanılan en yaygın kütüphanelerden biridir ve çok sayıda grafik çizim türü destekler.
Matplotlib’i Yüklemek
Matplotlib’in kullanılabilmesi için öncelikle kurulumunun yapılması gerekmektedir. Matplotlib’in kurulumu için terminale “pip install matplotlib” komutu yazılmalıdır. Bu işlem gerçekleştikten sonra, Matplotlib kütüphanesi başarılı bir şekilde kurulmuş olur ve projelerde kullanılabilecek hale gelir.
Çizgi Grafiği
Matplotlib ile çizgi grafiği çizmek oldukça kolaydır. İlk olarak, grafiği çizdireceğimiz verileri bir liste olarak tanımlamalıyız. Daha sonra bu verileri plot() fonksiyonuna göndererek çizgi grafiğimizi oluşturmamız mümkündür.
Şunun gibi;
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y)
plt.show()
Bu kodları çalıştırdığımızda, ekranda bir çizgi grafiği gözükecektir. Bu grafiği daha görsel hale getirmek için x ve y ekseni için etiketler de ekleyebiliriz. Buna ek olarak, çizgi rengini, kalınlığını ve stili de değiştirebiliriz.
Örnek olarak;
plt.plot(x, y, color='green', linestyle='dashed', linewidth = 2, marker='o', markerfacecolor='blue', markersize=10)
plt.xlabel('X Ekseni')
plt.ylabel('Y Ekseni')
plt.title('Benim Çizgi Grafiğim')
plt.show()
Bu kod bloğundaki parametreler, çizgi grafiğinin görünümünü değiştirecektir. Burada, çizgi renk olarak yeşil, kesikli bir stili olacak şekilde, kalınlığı 2 birim olmuştur. Markersize ile markerfacecolor gibi parametrelerle birlikte, grafiği daha da görselleştirebiliriz.
Dağılım Grafiği
Dağılım grafiği, iki farklı değişken arasındaki ilişkiyi görselleştirmek için kullanılan bir grafiğidir. Bu grafiğin oluşturulması için Matplotlib’in sağlam bir desteği mevcuttur. Örneğin, üç farklı dağılım grafiği oluşturarak, bunların neye benzediğini inceleyebiliriz.
Şöyle yapabilmekteyiz;
import numpy as np
import matplotlib.pyplot as plt
x = np.random.normal(0, 1, 1000)
y = np.random.normal(0, 1, 1000)
plt.scatter(x, y)
plt.title('İlişkili Dağılım Grafiği')
plt.xlabel('X Ekseni')
plt.ylabel('Y Ekseni')
plt.show()
Bu kodlarla birlikte, ilişkili dağılım grafiği oluşturduk. Bu grafiği daha da detaylandırmak için, üç farklı dağılım grafiği örneği oluşturmak mümkündür.
Örnek olarak;
x = np.random.normal(0, 1, 1000)
y = np.random.normal(0, 1, 1000)
colors = np.random.rand(1000)
sizes = 1000*np.random.rand(1000)
plt.scatter(x, y, c=colors, s=sizes, alpha=0.5)
plt.title('Renkli Dağılım Grafiği')
plt.xlabel('X Ekseni')
plt.ylabel('Y Ekseni')
plt.show()
Bu kod bloğu sonucu elde edilen grafiğin her noktası, farklı bir renk ve boyutta kişileştirilebilir. Bu sayede, üçüncü bir değişkenin, grafiğin renk ve boyutu üzerindeki etkisini gösterebiliriz.
Histogram Grafiği
Histogram grafiği, bir veri kümesini bir aralık aralığında gruplandırmak için kullanılır. Bu grafiği oluştururken, önce veri kümesini bir diziye aktarmalıyız. Daha sonra, plt.hist() fonksiyonuna bu diziyi göndererek histogram grafiğini çizebiliriz.
Örnek olarak;
x = [1, 1.5, 2, 2.5, 3, 4, 4.5, 5, 5.5, 6]
num_bins = 5
n, bins, patches = plt.hist(x, num_bins, facecolor='blue', alpha=0.5)
plt.xlabel('Değerler')
plt.ylabel('Frekans')
plt.title('Histogram Grafiği')
plt.show()
Bu kod bloğu sonucu elde edilen grafiğin her bir sütunu, veri kümesinde belirtilen bir aralıktaki değerleri temsil eder. Bu sayede, her bir sütun toplam veri kümesinin ne kadarını barındırdığını gösterir.
Sonuç Olarak;
Matplotlib, Python programlama diliyi kullanarak veri görselleştirme yapmak için kullanılabilecek kuvvetli bir kütüphanedir. Burada örnek olarak dağılım grafiği, histogram grafiği ve çizgi grafiğini örnekleri verdim... Matplotlib, bu ve benzer örneklere dayanarak veri görselleştirme konusunda oldukça kuvvetli bir kütüphane olarak öne çıkmaktadır. Kendinize ve projelerinize özel çizimler yapabilmeniz için geniş bir döküman ve örnek veri kümesine sahip Matplotlib'i öğrenmeniz size avantaj sağlayacaktır.