Python ile Veri Görselleştirme Eğitimi

Eğitim Hakkında

Matplotlib ve Seaborn ile kod tabanlı görselleştirme

Bu eğitim, Python'da kod tabanlı veri görselleştirmeyi Matplotlib ve Seaborn ile öğretir. Matplotlib'in figure/axes nesne modeli, subplot ızgarası, eksen/tik/etiket denetimi, renk haritaları ve stil (rcParams) ele alınır. Seaborn ile dağılım, kategori, regresyon ve matris grafikleri (histplot, boxplot, violinplot, heatmap, pairplot, lmplot), FacetGrid ile çok panelli görseller işlenir. Pandas .plot arayüzü, zaman serisi çizimi, anotasyon, metin ve efsane düzeni gösterilir. Çıktının PNG/SVG/PDF olarak yüksek çözünürlükte, yayına hazır dışa aktarılması uygulanır.

Süre ve Format

3 Gün. Her gün dört modül; her kavram Jupyter Notebook'ta canlı kodla uygulanır.

Seviye

Orta Seviye — Matplotlib, Seaborn ve Pandas ile Python tabanlı istatistiksel ve yayına hazır grafik üretimini kapsar.

Öğrenme Metodu

Katılımcılar Jupyter'de gerçek veri setleriyle grafik kodlayıp parametreleri değiştirerek öğrenir.

Neden Bu Eğitim?

🐍Tam Kontrol

Matplotlib nesne modeliyle grafiğin her öğesini kodla denetlersiniz.

📈İstatistiksel Grafik

Seaborn ile dağılım ve ilişki grafiklerini tek satırda üretirsiniz.

🔁Tekrarlanabilirlik

Kodla üretilen grafikleri otomatik ve sürüm kontrollü hâle getirirsiniz.

Anahtar Konular

python veri görselleştirmematplotlibseabornpandas plotistatistiksel grafikfacetgridveri görselleştirmejupyterheatmapzaman serisi grafiği

“Kodla çizilen grafik, bir kez yazılır ve her veri setinde yeniden doğar.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Python Temeli

Değişken, liste, fonksiyon ve döngü bilgisi beklenir.

2

Pandas

DataFrame ile temel veri işleme aşinalığı faydalıdır.

3

Jupyter

Jupyter/Anaconda kurulu bir ortam gereklidir.

4

Kütüphaneler

matplotlib ve seaborn paketleri kurulu olmalıdır.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı Matplotlib nesne modeliyle temel grafikleri oluşturup biçimlendirebilir.

Modül 1

Nesne Modeli

pyplot vs nesne yönelimli (OO) arayüz
Figure, Axes ve Axis ayrımı
plt.subplots ile figür oluşturma
Figür boyutu ve dpi ayarı
Birden çok axes yerleşimi
tight_layout ve constrained_layout

Modül 2

Grafik Tipleri

plot ile çizgi grafiği
bar ve barh ile sütun
scatter ile dağılım
hist ile histogram
pie ve stackplot
fill_between ile alan

Modül 3

Eksen Denetimi

set_xlim/ylim ile sınırlar
set_xticks ve etiket döndürme
İkincil eksen (twinx)
Logaritmik ölçek
Tarih ekseni biçimlendirme
Izgara ve spine ayarı

Modül 4

Stil ve Renk

Renk, çizgi stili ve işaretçi
colormap ve normalize
rcParams ile varsayılanlar
style.use ile hazır temalar
Efsane (legend) konumu
Metin ve anotasyon (annotate)

Günün hedefiKatılımcı Seaborn ile istatistiksel grafikleri üretip çok panelli görseller kurabilir.

Modül 1

Dağılım

histplot ve kde yoğunluk
ecdfplot ile kümülatif dağılım
rugplot ile veri noktaları
Çok değişkenli dağılım
Bin ve bandwidth ayarı
displot figür düzeyi arayüzü

Modül 2

Kategori

boxplot ile çeyreklikler
violinplot ile yoğunluk
barplot ve güven aralığı
countplot ile frekans
stripplot/swarmplot
Kategorik hue kırılımı

Modül 3

İlişki

scatterplot ve lineplot
regplot/lmplot ile regresyon
hue, size, style eşlemesi
jointplot kenar dağılımları
pairplot çoklu ilişki
korelasyon heatmap

Modül 4

Faceting

FacetGrid ile kılavuz
catplot ve relplot
col/row ile panel kırılımı
Ortak eksen paylaşımı
Palet ve tema (set_theme)
Grafiğe başlık ve açıklama

Günün hedefiKatılımcı zaman serisi çizip grafiği yayına hazır biçimde dışa aktarabilir.

Modül 1

Pandas Plot

df.plot arayüzü
Zaman serisi çizgi grafiği
Alt grafik (subplots=True)
Gruplama ve pivot ile çizim
Rolling ortalama çizimi
Matplotlib ile birlikte kullanım

Modül 2

Zaman Serisi

Tarih indeksi ayarlama
Yeniden örnekleme (resample)
Hareketli pencere
Mevsimsellik görselleştirme
İkili eksende karşılaştırma
Tarih biçimi ve lokalizasyon

Modül 3

Anotasyon

Metin ve ok ekleme
Önemli noktayı vurgulama
axhline/axvline eşik çizgileri
Gölgeli bölge (axvspan)
Veri etiketi yazdırma
Açıklayıcı başlık yazımı

Modül 4

Yayına Hazırlama

savefig ile PNG/SVG/PDF
dpi ve bbox_inches='tight'
Yazı tipi ve boyut tutarlılığı
Erişilebilir renk paleti
Şablon fonksiyonla tekrar kullanım
Rapor/döküman içine gömme

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Nesne Modeli

Figure/axes mimarisiyle grafiği tam denetlersiniz.

✅

Grafik Tipleri

Çizgi, sütun, dağılım ve histogramı kodlarsınız.

✅

Seaborn

İstatistiksel grafikleri tek satırda üretirsiniz.

✅

Faceting

FacetGrid ile çok panelli görseller kurarsınız.

✅

İlişki

Regresyon ve korelasyon grafiklerini çizersiniz.

✅

Zaman Serisi

Pandas ile zaman serisini yeniden örnekleyip çizersiniz.

✅

Anotasyon

Metin ve eşik çizgileriyle grafiği vurgularsınız.

✅

Yayın

Grafikleri yüksek çözünürlükte dışa aktarırsınız.

Kimler İçin Uygundur?

Python bilen veri analistleri
veri bilimciler
araştırmacılar
kod tabanlı görsel üretmek isteyen mühendisler için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Python bilen veri analistleri, veri bilimciler ve kod tabanlı görsel üretmek isteyen araştırmacılar için uygundur.

Hangi ön bilgi gerekir?

Temel Python ve Pandas DataFrame aşinalığı beklenir; görselleştirme kütüphaneleri sıfırdan anlatılır.

Hangi kütüphaneler işleniyor?

Ağırlıklı olarak Matplotlib ve Seaborn; ek olarak Pandas plot arayüzü işlenir.

Etkileşimli grafik var mı?

Bu eğitim statik, yayına hazır grafiklere odaklanır; etkileşim için Plotly/Bokeh eğitimleri uygundur.

Eğitim sonunda sertifika veriliyor mu?

Katılım ve değerlendirme sonrası Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

DATA VISUALIZATION WITH PYTHON TRAINING EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Anahtar Konular

Ön Koşullar

Eğitim İçeriği

Nesne Modeli

Grafik Tipleri

Eksen Denetimi

Stil ve Renk

Dağılım

Kategori

İlişki

Faceting

Pandas Plot

Zaman Serisi

Anotasyon

Yayına Hazırlama

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Bu Eğitimle Birlikte Tercih Edilenler

Data Analysis using Power BI Desktop - Level 1 - Report Builder Eğitimi

Data Loading & Visualization in Power BI: Advanced Visualizations Eğitimi

Data Loading & Visualization in Power BI: Data Modeling Eğitimi

Data Loading & Visualization in Power BI: Getting Started Eğitimi

Data Loading & Visualization in Power BI: Loading Data from Cloud Storage Eğitimi