Python ile Veri Görselleştirmeye Giriş
Veri görselleştirme, bir veriyi anlamak ve yorumlamak için oldukça önemli bir araçtır. Amaç, karmaşık verileri grafikler ve tablolarla daha anlaşılır hale getirmektir. Bu yazıda, Python'un popüler veri görselleştirme kütüphaneleri olan Matplotlib, Seaborn ve Plotly'yi kullanarak basit ama etkili görselleştirmeler yapmayı öğreneceksiniz.
Python ile Veri Görselleştirme İçin Gerekenler
İlk adım, Python’un temel kütüphanelerini kurmak olacaktır. Bunu yapmak için terminal veya komut satırına aşağıdaki kodları yazabilirsiniz:
pip install matplotlib seaborn plotly
Bu kütüphaneler, veri görselleştirmenin en temel araçlarıdır. Şimdi, veri kümenizi nasıl görselleştirebileceğinizi görelim.
İlk Görselleştirmenizi Yapın: Basit Bir Çizgi Grafiği
Diyelim ki elimizde bir satış verisi var ve bunu bir çizgi grafiğiyle görselleştirmek istiyoruz. İlk başta biraz veri setine ihtiyacımız var. Aşağıda basit bir örnek veri kümesi bulacaksınız:
import matplotlib.pyplot as plt
# Örnek veri
aylar = ['Ocak', 'Şubat', 'Mart', 'Nisan', 'Mayıs']
satislar = [1000, 1500, 1200, 1800, 1600]
# Çizgi grafiği
plt.plot(aylar, satislar)
plt.title('2025 Yılı Satış Verileri')
plt.xlabel('Aylar')
plt.ylabel('Satış Miktarı')
plt.show()
Bu basit çizgi grafiği, satışların zaman içindeki değişimini görmenizi sağlar. Görselleştirmenizde daha fazla detay eklemek isterseniz, etiketler veya renkler gibi seçenekleri de kullanabilirsiniz.
Veri Görselleştirmenin Gücü: Seaborn ile Isı Haritası
Şimdi daha karmaşık bir örnek üzerinden geçelim. Diyelim ki elimizde birkaç özellikten oluşan büyük bir veri seti var ve bu verilerin arasındaki ilişkileri görmek istiyoruz. Seaborn kütüphanesi bu konuda harika bir araçtır. Aşağıda, bir korelasyon ısı haritası örneği bulabilirsiniz:
import seaborn as sns
import pandas as pd
# Örnek veri seti
data = {
'Ürün A': [1, 2, 3, 4, 5],
'Ürün B': [5, 4, 3, 2, 1],
'Ürün C': [2, 3, 4, 5, 6]
}
df = pd.DataFrame(data)
# Korelasyon ısı haritası
sns.heatmap(df.corr(), annot=True, cmap='coolwarm')
plt.title('Ürünler Arasındaki Korelasyon')
plt.show()
Bu ısı haritası, ürünler arasındaki korelasyonu kolayca görmenizi sağlar. Ne kadar koyu renkler varsa, o kadar güçlü bir ilişki olduğunu anlayabilirsiniz.
İleri Düzey Görselleştirme: Plotly ile Etkileşimli Grafikler
Son olarak, Plotly'yi kullanarak etkileşimli grafikler oluşturmayı keşfedeceğiz. Plotly, kullanıcıların grafiklerle etkileşime girmesine olanak tanır ve bu sayede veriye daha derinlemesine bir bakış açısı sağlar. İşte basit bir örnek:
import plotly.express as px
# Örnek veri
data = {
'Yıl': [2020, 2021, 2022, 2023, 2024],
'Gelir': [100, 150, 120, 180, 160]
}
df = pd.DataFrame(data)
# Etkileşimli çizgi grafiği
fig = px.line(df, x='Yıl', y='Gelir', title='Yıllık Gelir Verisi')
fig.show()
Bu grafik, kullanıcıların fareyle tıklayarak farklı yıllar arasında gezinebileceği interaktif bir görselleştirme sunar.
Sonuç
Python ile veri görselleştirme öğrenmek, veri analizini çok daha kolay ve anlaşılır hale getirebilir. Matplotlib, Seaborn ve Plotly gibi araçlarla, verilerinizi en etkili şekilde görselleştirerek, güçlü analizler yapabilirsiniz. Unutmayın, veri görselleştirme, sadece veriyi anlamakla kalmaz, aynı zamanda başkalarına da anlatmanızı kolaylaştırır!
Veri analizi dünyasında kendinizi daha da geliştirmek için bu araçları denemeye devam edin. Kim bilir, belki bir gün kendi görselleştirme projelerinizle veri bilimi alanında fark yaratacaksınız!
