Python, veri analizi ve görselleştirmede kullanılabilecek en güçlü araçlardan biri. Zaman serisi verilerini anlamlı grafiklere dönüştürmek, karmaşık verileri daha anlaşılır kılmanın mükemmel bir yoludur. Bu yazıda, Python'un popüler kütüphaneleriyle zaman serisi verilerini nasıl görselleştirebileceğimizi keşfedeceğiz. Hazır mısınız?
Adım 1: Gerekli Kütüphanelerin Kurulumu
Python'da veri görselleştirmesi için öncelikle gerekli kütüphaneleri kurmamız gerekiyor. Bu kütüphaneler, veriyi okuma, işleme ve görselleştirme işlemlerinde bize yardımcı olacak.
# Kütüphaneleri yükleyelim
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
Bu kütüphaneler, veri analizi ve görselleştirme sürecinin temel yapı taşlarıdır. Pandas, veri manipülasyonu için mükemmel bir araçtır, matplotlib ise verileri görselleştirmemizi sağlar.
Adım 2: Zaman Serisi Verisi Oluşturma
Zaman serisi verisi genellikle tarih ve zaman etiketleriyle ilişkilendirilmiş verilerdir. Bu veriyi oluşturmak için aşağıdaki örneği kullanabiliriz:
# Tarih aralığını oluşturuyoruz
dates = pd.date_range('20230101', periods=100)
# Rastgele verilerle zaman serisini oluşturuyoruz
data = np.random.randn(100).cumsum()
# DataFrame'e dönüştürme
df = pd.DataFrame(data, index=dates, columns=['Value'])
Burada, 100 günlük rastgele veri oluşturduk ve bunları Pandas DataFrame formatına dönüştürdük. Artık zaman serisi verimiz hazır.
Adım 3: Veriyi Görselleştirme
Zaman serisi verilerini görselleştirmek için, matplotlib kütüphanesini kullanarak verimizi çizelim.
# Grafik çizme
df.plot(figsize=(10, 6))
plt.title('Zaman Serisi Verisi', fontsize=16)
plt.xlabel('Tarih', fontsize=12)
plt.ylabel('Değer', fontsize=12)
plt.grid(True)
plt.show()
İşte bu kadar! Python ile zaman serisi verilerini anlamlı bir şekilde görselleştirdik. Bu grafik, verilerdeki genel eğilimleri kolayca anlamamıza yardımcı olacak. Zaman içinde oluşan dalgalanmaları görmek çok daha kolay!
Adım 4: Grafiklerde Detaylar Eklemek
Daha profesyonel bir görünüm için grafiğimize ek özellikler ekleyebiliriz. Örneğin, veriyi 30 günlük hareketli ortalama ile göstermek, grafik üzerindeki dalgalanmaları daha iyi analiz etmemizi sağlar.
# 30 Günlük hareketli ortalama ekliyoruz
df['Moving Average'] = df['Value'].rolling(window=30).mean()
# Grafik çizme
df.plot(figsize=(10, 6))
plt.title('Zaman Serisi ve Hareketli Ortalama', fontsize=16)
plt.xlabel('Tarih', fontsize=12)
plt.ylabel('Değer', fontsize=12)
plt.grid(True)
plt.legend(['Veri', 'Hareketli Ortalama'])
plt.show()
Bu yeni grafik, verinin genel eğilimlerini daha net bir şekilde gösteriyor. Hareketli ortalama, veri üzerinde yapılan kısa vadeli dalgalanmaların etkisini azaltarak daha doğru analizler yapmamızı sağlar.
