Python ile Veri Görselleştirme Kursları

Adı : Python ile Veri Görselleştirme Kursları

Veri görselleştirme, verilerinizi anlaşılır hale getirmek ve sağlam bir içgörü elde etmek için kullanabileceğiniz güçlü bir araçtır. Python ile oluşturulmuş birçok veri görselleştirme kütüphanesi bulunmaktadır. Bu yazıda, Python ile veri görselleştirme konusunu ele alacağız ve bu konuda en popüler kütüphaneler ve örnekler hakkında bilgi vereceğiz.
Matplotlib
Matplotlib, Python'da en popüler veri görselleştirme kütüphanesidir. Scatter, line, bar, histogram gibi birçok farklı grafiği destekler. Matplotlib, kullanımı kolay, özelleştirilebilir ve birçok veri türüyle uyumludur. İşte Matplotlib kullanarak oluşturabileceğiniz birkaç örnek:
1. Scatter Plot: Scatter plot, iki parametre arasındaki ilişkiyi görselleştirmek için kullanılır. Örneğin, bir satış veritabanında satışların fiyatını ve miktarını karşılaştırmak için kullanılabilir. Matplotlib ile scatter plotu oluşturmak oldukça kolaydır:
``` python
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [3, 4, 2, 1, 5]
plt.scatter(x, y)
plt.show()
```
Bu kod, x ve y eksenindeki değerler için bir scatter plot oluşturur.
2. Line Plot: Line plotları, genellikle bir zamana göre verilerin değişimini göstermek için kullanılır. Matplotlib ile basit bir line plotu oluşturmak için şu kodu kullanabilirsiniz:
``` python
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [3, 4, 2, 1, 5]
plt.plot(x, y)
plt.show()
```
Bu kod, x ve y ekseninde bir line plot oluşturur.
3. Histogram: Histogramlar, veri dağılımlarını ve yoğunluklarını görselleştirmek için kullanılır. Matplotlib ile bir histogram oluşturmak için şu kodu kullanabilirsiniz:
``` python
import matplotlib.pyplot as plt
import numpy as np
values = np.random.normal(0, 0.5, 10000)
plt.hist(values, bins=50)
plt.show()
```
Bu kod, 0'dan 0.5 aralığındaki normal dağılımı kullanarak bir histogram oluşturur.
Seaborn
Seaborn, Matplotlib üzerine kurulan yüksek seviyeli bir veri görselleştirme kütüphanesidir. Seaborn, Matplotlib'ten daha çekici ve modern görünümlü grafikler üretir. İşte Seaborn kullanarak oluşturabileceğiniz birkaç örnek:
1. Heatmap: Heatmap, verilerin yüksek veya düşük yoğunluğunu göstermek için kullanılır. Seaborn ile heatmap oluşturmak oldukça kolaydır:
``` python
import seaborn as sns
import numpy as np
data = np.random.rand(10, 10)
sns.heatmap(data, annot=True)
plt.show()
```
Bu kod, 10x10 boyutunda bir heatmap oluşturur ve her hücrenin değerini gösterir.
2. Pair Plot: Pair plot, çok boyutlu verilerin farklı kombinasyonlarını görselleştirmek için kullanılır. Seaborn ile bir pair plotu oluşturmak oldukça kolaydır:
``` python
import seaborn as sns
import pandas as pd
data = pd.read_csv(data.csv)
sns.pairplot(data)
plt.show()
```
Bu kod, data.csv dosyasındaki verileri kullanarak bir pair plot üretir.
Plotly
Plotly, interaktif ve çevrimiçi veri görselleştirme kütüphanesidir. Plotly, grafiği seçtiğinizde interaktif bir pencere açar ve daha fazla detay görebilirsiniz. İşte Plotly kullanarak oluşturabileceğiniz birkaç örnek:
1. Line Chart: Plotly ile bir line chart oluşturmak kolaydır:
``` python
import plotly.express as px
import pandas as pd
data = pd.read_csv(data.csv)
fig = px.line(data, x=Year, y=Sales)
fig.show()
```
Bu kod, Year ve Sales sütunlarının verilerini kullanarak bir çizgi grafiği oluşturur.
2. Bar Chart: Plotly ile bir bar chart oluşturmak için şu kodu kullanabilirsiniz:
``` python
import plotly.express as px
import pandas as pd
data = pd.read_csv(data.csv)
fig = px.bar(data, x=Year, y=Sales)
fig.show()
```
Bu kod, Year ve Sales sütunlarının verilerini kullanarak bir bar chart oluşturur.
Veri görselleştirme Python ile daha da geliştirilebilir ve görselleştirme araçlarının kullanımı sadece hayal gücünüzle sınırlıdır. Bu yazıda, matplot, seaborn ve plotly kütüphanelerinin temellerini ve birkaç örneklerini inceledik. Daha gelişmiş kullanımlar için bu kütüphanelerin dokümantasyonuna ve veri görselleştirme konusunda daha derinlemesine araştırmalara ihtiyacınız olabilir.