Merhabalar,
Bu yazımda data analiz aşamasında işimizi oldukça kolaylaştıran bir yöntem olan veri görselleştirme üzerinde duracağım. Grafik türlerini göstermeye çalışırken aklıma gelen tüm özellikleri grafiklere koymaya çalıştım. Sizler grafikleri kullanırken işinize yaramayan kodları çıkartabilirsiniz.
Aynı satırda/sütunda birden fazla grafik çizdirmemizi ve ilişkileri daha rahat görmemizi sağlayan subplot konusuna ayrı değineceğim. Subplot için buraya tıklayabilirsiniz.
İncelemek istediğiniz grafiğin adına tıklayarak grafiğin kodunun yazımına doğrudan ilerleyebilirsiniz. İlerlediğiniz sayfadan tekrar menüye dönmek için grafik adına tıklamanız yeterlidir.
Bu yazımda değineceğim grafik türleri:
1)LINE PLOTGrafik türleri görmeye başlamadan önce bazı görselleştirme kütüphanelerini import etmek gerekiyor. Bu kütüphaneler ; seaborn, matplotlib, squarify. Aynı grafiği verecek farklı kütüphaneler ya da aynı grafiği verecek daha kısa bir yol da mutlaka vardır. Bu tarz bilgilerinizi yorumlarda yazarsanız herkesin yararlanmasını sağlayabilirsiniz.
import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline import squarify #tree map için kullanıldı. import seaborn as sns
Çizgi grafiğinin en güzel örneği zaman serisi problemleridir. Bu yazımda yahoo finance kütüphanesini kullanarak Apple(AAPL) hissesinin zaman grafiğini göstereceğim. Bunun için aşağıdaki kod parçasıyla veriyi indirme işlemini yapabilirsiniz.
import yfinance as yf #sizde yüklü değil ise jupyter notebooklarınızda !pip install yfinance komutu ile yükleyebilirsiniz. data = yf.download('AAPL','2020-01-01','2022-10-16') data.head()
plt.figure(figsize=(10,5)) # çizilecek grafiğin boyutunu belirlemek için kullanılır. plt.title("AAPL hissesinin zamana bağlı kapanış fiyatı") #grafiğin başlığı plt.xlabel("Tarih") #x ekseninin ismini plt.ylabel("Kapanış Fiyatı") #y ekseninin ismini plt.axvline(x=data.index[data.Close.argmax()], linewidth=2, color='b',label="Fiyatın en yüksek olduğu zaman") #dikey çizgi plt.axhline(y=data.Close.max()*0.95, linewidth=2, color='g',label="Maksimum fiyatın %95'i") #yatay çizgi plt.axvspan(data.index[data.Close.argmax()+20], data.index[data.Close.argmax()+50], facecolor='y', alpha=0.5) #dikey taralı bölge plt.axhspan(80, 100, facecolor='c', alpha=0.5) #yatay taralı bölge #1. LINE PLOT plt.plot(data["Close"], # çizilecek değişken '--', #çizim şekli linewidth=1, #çizgi kalınlığı markersize=3, #işaretleyicinin boyutu color="red", #grafiğin rengi marker="o", #işaretleyicinin şekli label="AAPL Close hisse fiyatı" #grafiğin açıklaması ) #2. LINE PLOT plt.plot(data["Adj Close"]-20, # çizilecek değişken '--', #çizim şekli linewidth=1, #çizgi kalınlığı markersize=3, #işaretleyicinin boyutu color="black", #grafiğin rengi marker="o", #işaretleyicinin şekli label="AAPL Adj Close hisse fiyatı" #grafiğin açıklaması ) plt.xticks(rotation=45) #x eksenindeki etiketlerin yazılma açısı plt.yticks(rotation=30)#y eksenindeki etiketlerin yazılma açısı plt.yticks(np.arange(min(data.Close), max(data.Close)+1, 25)) #y ekseninin gösterim aralığı plt.annotate('en yüksek nokta', xy=(data.index[data.Close.argmax()],data.Close.max()), xytext=(data.index[data.Close.argmax()+50],data.Close.max()+10), arrowprops=dict(facecolor='black', shrink=0.05)) # ok ile gösterim. Örnekte en yüksek nokta gösterilmiştir. plt.legend() # grafiğe verdiğimiz labelların görülmesini sağlar plt.grid() # ızgara görünümü vermek için kullanılır. plt.savefig('AAPL_lineplot.png') # görseli kaydetmek için plt.show() # grafiği göstermek için kullanılır.
data=pd.DataFrame({"kategori":["A","B","C","D","E","F","G","H","I","J","K"], "deger":[100,250,75,225,140,200,150,240,230,110,55]}) data
plt.figure(figsize=(10,5)) # çizilecek grafiğin boyutunu belirlemek için kullanılır. plt.title("Kategorilere göre değer gösterimi") #grafiğin başlığı plt.xlabel("Kategori") #x ekseninin ismini plt.ylabel("Değer") #y ekseninin ismini bar_chart=plt.bar(data["kategori"], # çizilecek değişken x ekseni data["deger"], # çizilecek değişken x ekseni width=0.4, color = 'darkgreen', alpha = 0.85) bar_chart[0].set_color('darkred') plt.plot(data['kategori'] , data['deger'].cumsum(), c='red') #kümülatif toplamı göstermek istersek for i in range(len(data)): plt.text(x=data["kategori"][i] , y =data["deger"][i]+3, s=f"{data.deger[i]}",fontdict=dict(fontsize=10)) #değerleri yazdırmak için plt.xticks(rotation=45) #x eksenindeki etiketlerin yazılma açısı plt.yticks(rotation=30)#y eksenindeki etiketlerin yazılma açısı plt.grid() # ızgara görünümü vermek için kullanılır. plt.savefig('barplot1.png') # görseli kaydetmek için plt.show() # grafiği göstermek için kullanılır.
Ayrıca yukarıda gördüğünüz kümülatif toplam çizgisini kaldırabilir ve seçtiğimiz bir barı farklı bir renkte gösterebiliriz.
data=data.sort_values("deger",ascending=False) plt.figure(figsize=(10,5)) # çizilecek grafiğin boyutunu belirlemek için kullanılır. plt.title("Kategorilere göre değer gösterimi") #grafiğin başlığı plt.xlabel("Kategori") #x ekseninin ismini plt.ylabel("Değer") #y ekseninin ismini bar_chart=plt.bar(data["kategori"], # çizilecek değişken x ekseni data["deger"], # çizilecek değişken x ekseni width=0.4, color = 'darkgreen', alpha = 0.85) bar_chart[0].set_color('darkred') #plt.plot(data['kategori'] , data['deger'].cumsum(), c='red') #kümülatif toplamı göstermek istersek for i in range(len(data)): plt.text(x=data["kategori"][i] , y =data["deger"][i]+3, s=f"{data.deger[i]}",fontdict=dict(fontsize=10)) #değerleri yazdırmak için plt.xticks(rotation=45) #x eksenindeki etiketlerin yazılma açısı plt.yticks(rotation=30)#y eksenindeki etiketlerin yazılma açısı plt.grid() # ızgara görünümü vermek için kullanılır. plt.savefig('barplot2.png') # görseli kaydetmek için plt.show() # grafiği göstermek için kullanılır.
Kategorik değişkenlerin farklı değerleri ile numerik değişkenin ilişkisini gösteren grafik türüdür.
Bu çalışma için veri bilimcilerin aşina olduğu bir dataset olan "titanic" datasetini kullanacağım. Kolaylık olması açısından bu dataseti seaborn kütüphanesini kullanarak indirebilirsiniz.
titanic = sns.load_dataset('titanic') titanic.head()
Datayı istediğimiz gibi gösterebilmemiz için önce gerekli olan görünüme getirmeliyiz. Bunun için aşağıdaki adımlar yapılmıştır.
titanic_pivot=pd.pivot_table(index="embarked",columns="who",values="fare",data=titanic).round(0) titanic_pivot
ax=titanic_pivot.plot(kind="bar",stacked=True,color=["blue","red","yellow"]) for bar in ax.patches: height = bar.get_height() width = bar.get_width() x = bar.get_x() y = bar.get_y() label_text = height label_x = x + width / 2 label_y = y + height / 2 ax.text(label_x, label_y, label_text, ha='center', va='center') plt.savefig('stackedbarplot.png') plt.show()
Aynı grafiği yatay olarak çizmek isterseniz aşağıdaki kod işinize yarayacaktır.
titanic_pivot.plot(kind="barh",stacked=True,color=["blue","red","yellow"]) b1 = plt.barh(titanic_pivot.index, titanic_pivot["child"], color="red",height=0.5) b2 = plt.barh(titanic_pivot.index, titanic_pivot["man"], color="yellow" ,height=0.5) b3 = plt.barh(titanic_pivot.index, titanic_pivot["woman"], color="blue",height=0.5) plt.legend([b1, b2,b3], ["child", "man","woman"], title="", loc="upper right") plt.savefig('stackedbarhplot.png') plt.show()
Stacked bar chart ile benzer amaçlı kullanılmaktadır sadece kategorik değişkenin değerleri art arda değil de yan yana şekilde gösterilmektedir. Bunun için yukarıdaki dönüştürdüğümüz veri üzerinden gideceğiz.
sns.set(style='white') sns.barplot(x="embarked", y="fare", hue='who', data=titanic, palette=['purple', 'steelblue',"blue"],ci=None) plt.xlabel('Embarked') plt.ylabel('Fare') plt.savefig('groupedbarhplot.png') plt.show()
Verinin minimum, maksimum, %25 quantile, %50 quantile,%75 quantile ve aykırı değerlerini bulmak için kullanılır. Bu grafik türünden örnekler gösterirken seaborn kütüphanesinden "tips" datasetini ve daha önceden de kullandığımız "titanic" datasetini kullanacağız.
tips=sns.load_dataset("tips") tips.head()
plt.figure(figsize=(5,5)) plt.title("Total Bill quartile gösterimi") sns.boxplot(y="total_bill",data=tips,palette="Blues",width=0.5,notch=True, flierprops={"marker": "x"},medianprops={"color": "red"}) plt.savefig('boxplot.png') plt.show()
plt.figure(figsize=(10,5)) sns.boxplot(data=titanic, x="class", y="age", hue="alive") plt.savefig('boxplotikidegisken.png') plt.show()
Pie chart; değişkenin değerlerini, genel toplam içindeki oranına göre pasta dilimlerine ayırarak gösteren grafik türüdür.
Pie chartın nasıl kullanıldığını görmek için "titanic" veri setini grafiğin istediği şekle getirmemiz gerekiyor.
titanic_gr=titanic.groupby(["class"]).size().reset_index() titanic_gr.columns=["class","toplam"] titanic_gr
plt.figure(figsize=(6,6)) plt.pie(titanic_gr.toplam, labels = titanic_gr["class"], autopct='%1.1f%%', explode=(0.25, 0, 0) ) plt.title('Pie chart') plt.axis('equal') plt.savefig('piechart.png') plt.show()
Veri Bilimi alanında korelasyonu incelemek için kullanılan en etkili grafik türüdür.
Bu grafik türünün örneğini göstermek için rastgele sayılardan oluşan bir veriseti oluşturacağız. Bu nedenle sonuçlar sizde farklı olmasın diye "seed" değeri veriyoruz.
np.random.seed(10) df = pd.DataFrame(np.random.random((15,15)), columns=["a","b","c","d","e","f","g","h","i","j","k","l","m","n","o"]) df.head()
plt.figure(figsize=(10,5)) sns.heatmap(df, annot=True, annot_kws={"size": 7},linewidths=2, linecolor='yellow', xticklabels=4) plt.savefig('heatmap.png') plt.show()
data = [500,400,700,800,600] alan = ["A","B","C","D","E"] squarify.plot(data, label=alan,pad=2,value=data,color=["red","green","blue", "grey","orange","yellow"],alpha=0.4) plt.axis("off") plt.savefig('treemap.png') plt.show()
Scatter plot; numerik-numerik değişkenlerin gösterimi için kullanılır. Ayrıca ve "hue" ve "size" parametreleri ile de tek bir grafikte birçok değer gösterilebilir.
Scatter plot için daha önceki grafik türlerine örnek verirken kullandığım "tips" datasetini kullanacağım.
plt.figure(figsize=(10,5)) sns.scatterplot(data=tips, x="total_bill", y="tip", hue="size", palette="deep") plt.title("Total bill- tip dağılımı") plt.savefig('scatterplot.png') plt.show()
PYTHON İLE VERİ GÖRSELLEŞTİRME yazısının sonuna geldik. Okuduğunuz için teşekkür ederim. Bir sonraki yazımda görüşmek dileğiyle hoşçakalın.
Yorumlar
Yorum Gönder