Python ile Grafik Çıkarma Çalışmaları

Adı : Python ile Grafik Çıkarma Çalışmaları

Python programlama dili, veri analizi ve grafik çizme alanında oldukça popüler bir dil haline gelmiştir. Grafik çıkarma, verilerin görselleştirilmesi için önemli bir adımdır. Veri bilimcileri, analistleri ve araştırmacılar, verileri analiz etmek ve anlamak için grafikler oluşturmakta ve bu da daha iyi bir görsellik ve anlatım sağlamaktadır.
Python yazılımı, içerdiği kütüphaneler sayesinde grafik çıkarma işlemini oldukça kolaylaştırmaktadır. Bu kütüphaneler arasında Matplotlib, Seaborn, Bokeh, Plotly ve ggplot2 gibi kütüphaneler bulunmaktadır. Bu kütüphaneler, farklı tiplerde grafikler oluşturmak için kullanılabilmektedir. Peki, hangi grafik türü hangi amaçla kullanılmalıdır?
1. Çizgi Grafikleri
Çizgi grafikleri, verilerin bir zaman dilimi boyunca nasıl değiştiğini görselleştirir. Bu grafik türü, zaman serisi verilerinin analizinde oldukça kullanışlıdır. Örneğin, bir şirketin hisse senedi fiyatları gibi.
Örnek Kod:
```python
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x, y1, label='sin(x)')
plt.plot(x, y2, label='cos(x)')
plt.xlabel('x')
plt.ylabel('y')
plt.title('Sinus ve Kosinus Fonksiyonları')
plt.legend()
plt.show()
```
2. Bar Grafikleri
Bar grafikleri, kategorik verileri görselleştirmek için kullanılır. Bu grafik türü, bir bölgenin ya da bir şehrin nüfus yapısını göstermek için kullanılabilir.
Örnek Kod:
```python
import matplotlib.pyplot as plt
labels = ['Erkek', 'Kadın']
values = [60, 40]
plt.bar(labels, values)
plt.title('Nüfus Yapısı')
plt.show()
```
3. Scatter Plot Grafikleri
Scatter plot grafikleri, iki değişkenin arasındaki ilişkiyi görselleştirmek için kullanılabilir. Örneğin, bir kişinin kilosu ile boyu arasındaki ilişkiyi incelemek için kullanılabilir.
Örnek Kod:
```python
import matplotlib.pyplot as plt
import numpy as np
x = np.random.randn(100)
y = np.random.randn(100)
plt.scatter(x, y)
plt.title('İlişki Analizi')
plt.show()
```
4. Heatmap Grafikleri
Heatmap grafikleri, yoğunluk haritaları olarak da adlandırılır. Bu grafik türü, renklerin tonlarını kullanarak bir matrisin yoğunluğunu görselleştirir. Örneğin, bir şehirdeki trafik sıkışıklığı gibi veriler heatmap grafikleri ile kolayca görselleştirilebilir.
Örnek Kod:
```python
import seaborn as sns
import numpy as np
flights = sns.load_dataset(flights)
flights = flights.pivot(month, year, passengers)
sns.heatmap(flights, cmap=YlGnBu)
```
5. Çoklu Grafikler oluşturmak
Çoklu grafikler birden fazla grafik türünün aynı eksenler üzerinde ya da ayrı ayrı farklı eksenlerde birleştirilerek oluşturulabilir. Bu sayede, farklı türlerdeki verileri aynı anda görselleştirmek mümkündür.
Örnek Kod:
```python
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
fig, ax = plt.subplots(2, 1, figsize=(8,8))
ax[0].plot(x, y1, label='sin(x)')
ax[1].plot(x, y2, label='cos(x)')
ax[0].set_title('Sinus Fonksiyonu')
ax[1].set_title('Kosinus Fonksiyonu')
plt.show()
```
Python programlama dili, veri analizi ve grafik çıkarma alanında oldukça güçlü bir dil haline gelmiştir. Yukarıdaki örneklerin hepsi, bir veri setinin farklı türlere ayrılması için farklı grafik türleri kullanılarak görselleştirilmesi için fikirler sunar. Bunlar, verileri etkili bir şekilde analiz etmek için kullanılabilecek sadece birkaç örnek grafik türüdür.