Veri Analizi ve Görselleştirme #05 | Matplotlib ve seaborn: Çizgi, Çubuk, Histogram, Saçılım, Kutu

Eğitmen: Dr. Süleyman Burak ÇELİK

Soru: Palmer Penguins verisinde üç türün kütle dağılımını aynı figürde, birimli eksen adları, başlık ve lejantla nasıl karşılaştırırsın? Hangi tür en geniş yayılır ve bunu aralık ile çeyrekler açıklığıyla (IQR) sayıya nasıl dökersin? Bu derste: - Tablodan grafiğe: 7 gün × 3 şehir sıcaklık; üç şehirde de cumartesi en soğuk (19, 25, 16), perşembe en sıcak (29, 33, 22) - Figure ve Axes anatomisi: plt.subplots; varsayılan figür 6,4 × 4,8 inç - Çizgi grafiği ve otomatik eksen payı: Ankara 19–29 için ylim 18,5–29,5; üç şehirde 15,15–33,85 - Stil, eksen adı, birim ve lejant; varsayılan renk döngüsü mavi, turuncu, yeşil - Çubuk grafiği: tür ortalamaları 3700,7, 3733,1, 5076,0 g; y ekseni 0'dan başlar (0–5330), Gentoo çubuğu Adelie'ninkinin 1,37 katı - Histogram ve bins: 342 kütle, 10 kutu, kutu genişliği 360 g, en kalabalık kutu 71 penguen; 4 kutuda 900 g, 40 kutuda 90 g - Saçılım: gaga uzunluğu ile derinliği bütün veride r −0,24; tür rengiyle bakınca tür içinde 0,39, 0,65, 0,64 - Kutu grafiği: çeyrekler Adelie 3350 / 3700 / 4000, Gentoo 4700 / 5000 / 5500 g; Chinstrap'te iki aykırı (2700, 4800) - pandas df.plot bir Axes döndürür; seaborn scatterplot(hue=...) eksen adlarını ve lejant başlığını sütun adlarından alır - seaborn barplot hata çubuğu: varsayılan %95 güven aralığı (seed=0 ile Gentoo 4991–5162), errorbar='sd' ile 4572–5580 - savefig ve dpi: 6 × 4 inç, dpi 150, 900 × 600 piksel - Çözümlü örnek: n 151, 68, 123; ortak kutu kenarları 2600–6400 g, 200 g, 19 kutu; aralık 1925 / 2100 / 2350, IQR 650 / 462,5 / 800 g; en geniş yayılan Gentoo - Varyant: subplots(1, 2) ile Adelie ve Gentoo; kendi eksenleri 2754–4871 ve 3832–6418, sharex=True ile ikisi de 2678–6472 - Dört tuzak: adsız grafik, y'yi 3600'den başlatmak (Gentoo 14,7 kat görünür, gerçek 1,37), bins seçimi, plt.title'ın sağ panele yazması Bölümler: 0:00 Giriş: Tablodan Çizgiye 0:41 Kapsam ve Kaynak Kitap 1:07 Figure ve Axes 1:39 Çizgi Grafiği ve Eksen Payı 2:13 Stil, Etiket ve Lejant 2:52 Çubuk Grafiği: y Sıfırdan 3:32 Histogram ve bins 4:15 Saçılım ve Tür Rengi 4:58 Kutu Grafiği 5:38 pandas ile df.plot 6:03 seaborn scatterplot(hue) 6:36 seaborn barplot ve Hata Çubuğu 7:11 savefig ve dpi 7:33 Örnek 1: Üç Türün Kütle Dağılımı 7:52 Veriyi Seç 8:22 Figür, Çizim ve Etiketler 9:05 Yorum ve Sağlama: Aralık ve IQR 9:44 Örnek 2: Yan Yana Paneller, sharex 10:31 Dört Tuzak 11:12 Bu Derste Öğrendiklerimiz 11:42 Akılda Kalan Kural ve Sıradaki Ders Sıradaki derste: veri birleştirme ve yeniden şekillendirme — merge, concat, stack ve melt. Kaynak: Wes McKinney, Python for Data Analysis, 3. baskı (O'Reilly 2022) — Bl. 9.1–9.2 (konu sırası ve kavramlar). Kod ve örnekler özgündür, gerçekten çalıştırılmıştır. Veri Analizi ve Görselleştirme serisinin beşinci dersi.