Bilgi Bankası

Matplotlib Nedir ve Neden Kullanmalıyız?

Matplotlib, Python programlama dili için geliştirilmiş, veri görselleştirme konusunda oldukça güçlü ve esnek bir kütüphanedir. Verileri grafikler, çizelgeler, histogramlar ve diğer görsel formatlarda sunmak için kullanılır. Matplotlib, bilimsel hesaplama, veri analizi ve makine öğrenimi gibi alanlarda yaygın olarak kullanılır.

Neden Matplotlib Kullanmalıyız?

• Esneklik: Çeşitli grafik türlerini destekler ve özelleştirilebilir.
• Uyumluluk: NumPy ve Pandas gibi diğer Python kütüphaneleriyle sorunsuz entegre olur.
• Açık Kaynak: Ücretsiz ve açık kaynaklıdır, geniş bir topluluk tarafından desteklenir.
• Çeşitlilik: Basit çizgi grafiklerinden karmaşık 3D görselleştirmelere kadar geniş bir yelpazede grafik oluşturabilir.
• Yüksek Kalite: Yayın kalitesinde grafikler üretir.

Örnek: Basit Bir Çizgi Grafiği Oluşturma

import matplotlib.pyplot as plt
import numpy as np

# Veri oluşturma
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Grafik oluşturma
plt.plot(x, y)

# Başlık ve etiketler ekleme
plt.title("Sinüs Dalga Grafiği")
plt.xlabel("X Ekseni")
plt.ylabel("Y Ekseni")

# Grafiği gösterme
plt.show()

Bu kod örneği, NumPy kütüphanesini kullanarak 0 ile 10 arasında 100 nokta içeren bir x ekseni oluşturur ve ardından sinüs fonksiyonunu kullanarak y ekseni değerlerini hesaplar. Daha sonra Matplotlib ile bu verileri kullanarak bir çizgi grafiği oluşturur ve grafiğe başlık ve etiketler ekler. Son olarak, plt.show() fonksiyonu grafiği ekranda gösterir.

Matplotlib'in Temel Bileşenleri Nelerdir?

Matplotlib'in temel bileşenleri şunlardır:

• Figure: Grafiklerin genel konteynerıdır. İçinde bir veya daha fazla Axes nesnesi barındırır.
• Axes: Grafiğin çizildiği alandır. Verilerin görselleştirildiği, eksenlerin, başlıkların ve etiketlerin bulunduğu yerdir. Bir Figure nesnesi içinde birden fazla Axes nesnesi olabilir.
• Axis: Eksenlerdir. X ve Y eksenleri gibi. Verilerin ölçeklendirilmesi ve etiketlenmesi için kullanılır.
• Artist: Figure üzerinde çizilebilen her şeydir. Çizgiler, noktalar, metinler, resimler vb.

Figure ve Axes İlişkisi

Figure, bir tuval gibi düşünülebilir. Axes ise bu tuval üzerindeki bir çizim alanıdır. Bir Figure üzerinde birden fazla Axes olabilir, bu da aynı anda birden fazla grafiği yan yana veya alt alta göstermemizi sağlar.

Örnek: Figure ve Axes Oluşturma

import matplotlib.pyplot as plt

# Figure oluşturma
fig = plt.figure()

# Axes oluşturma (1x1 grid'de ilk subplot)
ax = fig.add_subplot(111)

# Veri oluşturma
x = [1, 2, 3, 4, 5]
y = [2, 4, 1, 3, 5]

# Grafiği çizme
ax.plot(x, y)

# Başlık ve etiketler ekleme
ax.set_title("Basit Çizgi Grafiği")
ax.set_xlabel("X Ekseni")
ax.set_ylabel("Y Ekseni")

# Grafiği gösterme
plt.show()

Bu örnekte, önce bir Figure nesnesi oluşturulur. Ardından, fig.add_subplot(111) ile bir Axes nesnesi oluşturulur. 111, 1x1'lik bir grid'de ilk (ve tek) subplot'u temsil eder. Veriler oluşturulduktan sonra, ax.plot(x, y) ile grafik çizilir. Son olarak, başlık ve etiketler eklenir ve grafik gösterilir.

Farklı Grafik Türleri Nasıl Oluşturulur? (Çizgi, Saçılım, Bar, Histogram, Pasta)

Matplotlib, çeşitli grafik türlerini destekler. İşte bazı temel grafik türleri ve nasıl oluşturulduklarına dair örnekler:

• Çizgi Grafiği (Line Plot): Verileri bir çizgi ile birleştirerek gösterir. Zaman serisi verileri veya iki değişken arasındaki ilişkiyi göstermek için kullanılır.
• Saçılım Grafiği (Scatter Plot): Verileri noktalar halinde gösterir. İki değişken arasındaki ilişkiyi ve veri kümelerinin dağılımını görselleştirmek için kullanılır.
• Bar Grafiği (Bar Plot): Kategorik verileri dikdörtgen çubuklarla gösterir. Farklı kategoriler arasındaki karşılaştırmaları yapmak için kullanılır.
• Histogram: Sayısal verilerin dağılımını gösterir. Verilerin hangi aralıklarda yoğunlaştığını görmek için kullanılır.
• Pasta Grafiği (Pie Chart): Verilerin bir bütün içindeki oranlarını gösterir. Farklı kategorilerin toplam içindeki payını görselleştirmek için kullanılır.

Örnek: Farklı Grafik Türleri Oluşturma

import matplotlib.pyplot as plt
import numpy as np

# Veri oluşturma
x = np.linspace(0, 10, 100)
y = np.sin(x)
categories = ['A', 'B', 'C', 'D']
values = [25, 40, 30, 15]
data = np.random.randn(1000)

# Çizgi Grafiği
plt.figure(figsize=(8, 6))
plt.plot(x, y)
plt.title("Çizgi Grafiği")
plt.xlabel("X Ekseni")
plt.ylabel("Y Ekseni")
plt.show()

# Saçılım Grafiği
plt.figure(figsize=(8, 6))
plt.scatter(x, y)
plt.title("Saçılım Grafiği")
plt.xlabel("X Ekseni")
plt.ylabel("Y Ekseni")
plt.show()

# Bar Grafiği
plt.figure(figsize=(8, 6))
plt.bar(categories, values)
plt.title("Bar Grafiği")
plt.xlabel("Kategoriler")
plt.ylabel("Değerler")
plt.show()

# Histogram
plt.figure(figsize=(8, 6))
plt.hist(data, bins=30)
plt.title("Histogram")
plt.xlabel("Değerler")
plt.ylabel("Frekans")
plt.show()

# Pasta Grafiği
plt.figure(figsize=(8, 6))
plt.pie(values, labels=categories, autopct='%1.1f%%')
plt.title("Pasta Grafiği")
plt.show()

Bu örnek, farklı grafik türlerini oluşturmak için gerekli kodları içerir. Her grafik türü için ayrı bir Figure oluşturulur ve ilgili fonksiyon (plt.plot, plt.scatter, plt.bar, plt.hist, plt.pie) kullanılarak grafik çizilir. Başlıklar ve etiketler eklenir ve grafikler gösterilir.

Grafikleri Nasıl Özelleştirebiliriz? (Renkler, Etiketler, Başlıklar, Eksenler, Stil)

Matplotlib, grafiklerin görünümünü özelleştirmek için birçok seçenek sunar. Renkler, etiketler, başlıklar, eksenler ve stil gibi birçok özellik değiştirilebilir.

• Renkler: Çizgilerin, noktaların ve çubukların renkleri değiştirilebilir.
• Etiketler: Eksenlere, başlıklara ve veri noktalarına etiketler eklenebilir.
• Başlıklar: Grafiğe başlık eklenebilir.
• Eksenler: Eksenlerin sınırları, ölçekleri ve etiketleri ayarlanabilir.
• Stil: Grafiklerin genel görünümü (örneğin, çizgi stili, yazı tipi) değiştirilebilir.

Örnek: Grafik Özelleştirme

import matplotlib.pyplot as plt
import numpy as np

# Veri oluşturma
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Grafik oluşturma ve özelleştirme
plt.figure(figsize=(10, 8))
plt.plot(x, y, color='red', linestyle='--', linewidth=2, marker='o', markersize=5, label='Sinüs Dalga')

# Başlık ve etiketler ekleme
plt.title("Özelleştirilmiş Sinüs Dalga Grafiği", fontsize=16, color='blue')
plt.xlabel("X Ekseni", fontsize=12)
plt.ylabel("Y Ekseni", fontsize=12)

# Eksen sınırlarını ayarlama
plt.xlim(0, 10)
plt.ylim(-1.2, 1.2)

# Grid ekleme
plt.grid(True)

# Legend ekleme
plt.legend()

# Grafiği gösterme
plt.show()

Bu örnek, bir çizgi grafiğinin nasıl özelleştirileceğini gösterir. color parametresi ile çizginin rengi kırmızı olarak ayarlanır, linestyle parametresi ile çizgi stili kesikli çizgi olarak ayarlanır, linewidth parametresi ile çizgi kalınlığı ayarlanır, marker parametresi ile veri noktalarına işaretleyici eklenir ve markersize parametresi ile işaretleyici boyutu ayarlanır. Ayrıca, başlık ve etiketlerin yazı tipi boyutu ve rengi de ayarlanır. Eksen sınırları plt.xlim ve plt.ylim ile ayarlanır ve grafiğe grid eklenir. Son olarak, plt.legend() ile legend eklenir.

Alt Grafiklerin (Subplots) Kullanımı ve Düzenlenmesi

Alt grafikler (subplots), aynı Figure üzerinde birden fazla grafiği göstermek için kullanılır. Bu, farklı veri kümelerini veya farklı grafik türlerini aynı anda karşılaştırmak için kullanışlıdır. Matplotlib, alt grafikler oluşturmak ve düzenlemek için çeşitli yöntemler sunar.

plt.subplot() ve fig.add_subplot()

plt.subplot() ve fig.add_subplot() fonksiyonları, alt grafikler oluşturmak için kullanılır. plt.subplot() fonksiyonu, mevcut Figure üzerinde bir alt grafik oluştururken, fig.add_subplot() fonksiyonu, belirtilen Figure üzerinde bir alt grafik oluşturur.

Örnek: Alt Grafik Oluşturma ve Düzenleme

import matplotlib.pyplot as plt
import numpy as np

# Veri oluşturma
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# Figure oluşturma
fig = plt.figure(figsize=(12, 6))

# İlk alt grafiği oluşturma
ax1 = fig.add_subplot(121)  # 1 sıra, 2 sütun, ilk grafik
ax1.plot(x, y1, color='blue')
ax1.set_title("Sinüs Dalga")
ax1.set_xlabel("X Ekseni")
ax1.set_ylabel("Y Ekseni")

# İkinci alt grafiği oluşturma
ax2 = fig.add_subplot(122)  # 1 sıra, 2 sütun, ikinci grafik
ax2.plot(x, y2, color='green')
ax2.set_title("Kosinüs Dalga")
ax2.set_xlabel("X Ekseni")
ax2.set_ylabel("Y Ekseni")

# Grafikleri gösterme
plt.tight_layout()  # Alt grafiklerin çakışmasını önleme
plt.show()

Bu örnek, aynı Figure üzerinde iki alt grafik oluşturur. fig.add_subplot(121) fonksiyonu, 1 sıra, 2 sütunlu bir grid üzerinde ilk alt grafiği oluşturur. fig.add_subplot(122) fonksiyonu ise aynı grid üzerinde ikinci alt grafiği oluşturur. Her alt grafik için ayrı ayrı veri çizilir, başlık ve etiketler eklenir. plt.tight_layout() fonksiyonu, alt grafiklerin çakışmasını önlemek için kullanılır.

3D Grafikler Nasıl Oluşturulur?

Matplotlib, 3D grafikler oluşturmak için de destek sağlar. 3D grafikler, üç boyutlu verileri görselleştirmek için kullanılır ve genellikle bilimsel ve mühendislik uygulamalarında kullanılır.

mplot3d Modülü

3D grafikler oluşturmak için mplot3d modülü kullanılır. Bu modül, 3D eksenler ve grafik türleri sağlar.

Örnek: 3D Saçılım Grafiği Oluşturma

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

# Veri oluşturma
n = 100
x = np.random.randn(n)
y = np.random.randn(n)
z = np.random.randn(n)

# Figure oluşturma
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')

# Saçılım grafiği oluşturma
ax.scatter(x, y, z, c='r', marker='o')

# Eksen etiketleri ekleme
ax.set_xlabel('X Ekseni')
ax.set_ylabel('Y Ekseni')
ax.set_zlabel('Z Ekseni')

# Başlık ekleme
ax.set_title('3D Saçılım Grafiği')

# Grafiği gösterme
plt.show()

Bu örnek, 3D bir saçılım grafiği oluşturur. Önce mplot3d modülünden Axes3D sınıfı import edilir. Ardından, bir Figure oluşturulur ve fig.add_subplot(111, projection='3d') ile 3D bir eksen oluşturulur. Rastgele veriler oluşturulur ve ax.scatter(x, y, z, c='r', marker='o') ile 3D saçılım grafiği çizilir. Eksen etiketleri ve başlık eklenir ve grafik gösterilir.

Veri Görselleştirme İçin Kullanılabilecek Diğer Python Kütüphaneleri

Matplotlib, veri görselleştirme için en popüler kütüphanelerden biri olsa da, farklı ihtiyaçları karşılamak için kullanılabilecek başka kütüphaneler de bulunmaktadır. İşte bazı popüler veri görselleştirme kütüphaneleri:

• Seaborn: Matplotlib üzerine inşa edilmiş, daha yüksek seviyeli bir kütüphanedir. Estetik açıdan daha hoş ve karmaşık istatistiksel grafikleri kolayca oluşturmayı sağlar.
• Plotly: İnteraktif ve web tabanlı grafikler oluşturmak için kullanılır. Özellikle dashboard'lar ve web uygulamaları için uygundur.
• Bokeh: Büyük veri kümeleriyle çalışmak için tasarlanmış, interaktif web tabanlı grafikler oluşturmayı sağlayan bir kütüphanedir.
• ggplot2 (Python): R dilindeki ggplot2 kütüphanesinden esinlenerek oluşturulmuş, bildirimsel bir grafik oluşturma yaklaşımı sunar.

Kütüphane Karşılaştırması

Örnek: Seaborn ile Grafik Oluşturma

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Veri oluşturma
data = {'Kategori': ['A', 'B', 'C', 'A', 'B', 'C'],
        'Değer': [10, 12, 15, 8, 14, 11]}
df = pd.DataFrame(data)

# Bar grafiği oluşturma
sns.barplot(x='Kategori', y='Değer', data=df)
plt.title("Seaborn Bar Grafiği")
plt.show()

Bu örnek, Seaborn kütüphanesi ile bir bar grafiği oluşturur. Pandas kütüphanesi kullanılarak bir DataFrame oluşturulur ve sns.barplot() fonksiyonu ile bar grafiği çizilir. Seaborn, Matplotlib'e göre daha estetik varsayılan stiller sunar.

Matplotlib ile Veri Görselleştirme: Gerçek Hayattan Örnekler ve Vaka Çalışmaları

Matplotlib, gerçek hayatta birçok farklı alanda veri görselleştirme için kullanılmaktadır. İşte bazı örnekler:

• Finans: Hisse senedi fiyatlarını, işlem hacimlerini ve diğer finansal verileri görselleştirmek için kullanılır.
• Sağlık: Hasta verilerini, tıbbi görüntüleri ve diğer sağlık verilerini görselleştirmek için kullanılır.
• Mühendislik: Simülasyon sonuçlarını, sensör verilerini ve diğer mühendislik verilerini görselleştirmek için kullanılır.
• Bilim: Araştırma verilerini, deney sonuçlarını ve diğer bilimsel verileri görselleştirmek için kullanılır.
• Pazarlama: Satış verilerini, müşteri davranışlarını ve diğer pazarlama verilerini görselleştirmek için kullanılır.

Vaka Çalışması: Bir E-Ticaret Şirketinin Satış Verilerini Görselleştirme

Bir e-ticaret şirketi, satış verilerini analiz etmek ve eğilimleri belirlemek için Matplotlib kullanabilir. Örneğin, aylık satışları, ürün kategorilerine göre satışları ve müşteri demografisine göre satışları görselleştirebilir.

Adımlar:

1. Veri Toplama: Satış verileri, veritabanından veya diğer kaynaklardan toplanır.
2. Veri Temizleme: Verilerdeki hatalar ve eksiklikler giderilir.
3. Veri Analizi: Veriler analiz edilir ve anlamlı özetler çıkarılır.
4. Görselleştirme: Matplotlib kullanılarak çeşitli grafikler oluşturulur (örneğin, çizgi grafiği, bar grafiği, pasta grafiği).
5. Yorumlama: Grafikler yorumlanır ve eğilimler belirlenir.
6. Karar Alma: Elde edilen bilgiler doğrultusunda pazarlama stratejileri geliştirilir, ürün portföyü optimize edilir ve müşteri ilişkileri yönetimi iyileştirilir.

Örnek: Aylık Satışları Görselleştirme

import matplotlib.pyplot as plt
import pandas as pd

# Veri oluşturma (gerçek verilerle değiştirilebilir)
data = {'Ay': ['Ocak', 'Şubat', 'Mart', 'Nisan', 'Mayıs', 'Haziran'],
        'Satış': [12000, 15000, 18000, 20000, 22000, 25000]}
df = pd.DataFrame(data)

# Çizgi grafiği oluşturma
plt.figure(figsize=(10, 6))
plt.plot(df['Ay'], df['Satış'], marker='o')
plt.title("Aylık Satışlar")
plt.xlabel("Ay")
plt.ylabel("Satış")
plt.grid(True)
plt.show()

Bu kod, aylık satışları gösteren bir çizgi grafiği oluşturur. Grafik, aylık satışlardaki artışı veya azalışı görsel olarak gösterir ve şirketin performansını değerlendirmesine yardımcı olur.

Tablo: E-Ticaret Şirketi Veri Görselleştirme Örnekleri