Bilindiği üzere veri çağımızın en değerli yapıtaşı durumda. Veriyi yönetebilen, veriden anlam çıkarabilen kurumlar her zaman rakiplerine göre bir adım önde oluyor. Daha da fazlası elindeki mevcut kaynağı da bu doğrultuda doğru kullanabiliyor. Tüm bu ihtiyaç ve gereksinimler de bilişim departmanında çalışan kişilerden beklentiyi ve talebi gün geçtikçe bu yöne doğru değiştiriyor. Peki, veriyi nasıl yönetip, anlamlı ve görsel bir çıktı sağlayacağız? Tabii en güçlü silahımız Python ve onun veri sanallaştırma kütüphaneleri…
Geçen yazımda bahsettiğim veri analizi konusu da aslında bu yazımda anlatacağım verinin sanallaştırılması konusunun matematiksel temelini oluşturuyordu. NumPy ve Pandas kütüphaneleri anlamadan veriyi manipüle edemeyeceğimiz gibi doğal olarak da sanallaştırama işlemini de başaramayacağız.
Veri sanallaştırmada görmemiz gereken ilk kütüphane Matplotlib olacak. Veri sanallaştırmanın üstatlarından John Hunter tarafından yaratılan bu kütüphane hepimizin aşina olduğu MatLab’ın plotting yeteneğinin replikası diyebiliriz. Bu kütüphane ile verilerimizi basitçe grafikleştirebileceğimizi aşağıda yazdığım kısa python scripti ile görebilirsiniz.
Not: Matplotlib kütüphanesini yüklemek için conda install matplotlib komutunu veya pip install matplotlib komutunu kullanabilirsiniz.
Resim-1
Gördüğünüz üzere basitçe bir sanallaştırma yaptık. Tabii bu örnekte verinin kaynağı statik ve elle verilmiş iki arraydi. Sıradaki kütüphanemiz olan Seaborn‘u anlattıktan sonra tüm bu kütüphaneleri birleştirip bir örnek vereceğim.
Seaborn kütüphanesi benim en sevdiğim sanallaştırma kütüphanesi. İnanılmaz zengin plotting yelpazasine sahip, geniş bir grafikleme kabileyeti olan bir kütüphaneden bahsediyoruz. Hemen kısa bir örnek üzerinden göstermek istiyorum.
(Not: pip install seaborn veya conda install seaborn ile kütüphanenize ekleyebilirsiniz.)
Resim-2
Gördüğünüz üzere yukarıda Seaborn’nun Regression Plot örneğini yaptık. Bunun dışında Matrix’lerden, Distribution Plot’a kadar birçok plot ile sanallaştırma yapabilirsiniz.
Şimdi de sıra son olarak Pandas kütüphanesinin kendi içerisindeki plot özelliğini kullanarak sanallaştırma yapmada.. Burada pandas’ın özelliğinden faydalanarak verimizi csv’den okuyacağız. Ayrıca verimizi veritabanından da okuyabilirdik. Bir önceki makaledeki sql kısmına bir kez daha bakarak kendiniz veri alma yöntemini veritabanına çevirebilirsiniz.
Resim-3
Veya Box Plot da kullanabiliriz:
Resim-4
Gördüğünüz üzere dört kütüphane ile uçtan uca veri sanallaştırması hiç o kadar da zor değil. Bence Python’nun diğer dillerden ayrılan en önemli özelliği de anlaşılabilirliği ve kolaylığı. Meraklılar için en güzel kaynaklar Seaborn ve Matplotlib’in kendi dokümantasyonları. Oradan daha da değişik grafik metotları öğrenebilir ve örneklere göz gezdirebilirsiniz.
Bu konuyla ilgili sorularınızı alt kısımda bulunan yorumlar alanını kullanarak sorabilirsiniz.
Referanslar
TAGs: Seaborn,Matplotlib, Seaborn nedir,Matplotlib nedir, Box Plot,pyhton, Pandas kütüphanesi, NumPy ve Pandas, NumPy, Pandas,
Python for Data Visualization
