Veri Görselleştirme
Veri görselleştirme, sayısal ve karmaşık verilerin grafikler, tablolar ve görsel öğeler aracılığıyla daha anlaşılır hale getirilmesini sağlayan bir tekniktir.
- Veri Görselleştirme
Veri görselleştirme (data visualization), verilerin grafik, tablo, harita gibi görsel öğelerle sunulmasıdır. Karmaşık verilerin daha kolay anlaşılmasını sağlar.
Veri Görselleştirmenin Amacı
- Verideki desenleri, eğilimleri ve anormallikleri ortaya çıkarmak
- Karar vericilere net ve hızlı bilgi sunmak
- Büyük veri setlerini daha erişilebilir hale getirmek
Popüler Araçlar
- Microsoft Excel
- Tableau
- Power BI
- Looker Studio (eski adıyla Google Data Studio)
- Python (matplotlib, seaborn, plotly)
- R (ggplot2)
Çok popüler kullanılan veri görselleştirme teknikleridir. Belirli veri görselleştirme teknikleri ve bu tekniklerin R ile Python kodları yer almaktadır.
Histogram
Veri dağılımını özetlemenin en çok kullanılan yoludur. Veri genişliğini eşit uzunluktaki aralıklara bölerek gösterilir. En sık kullanılan grafik türlerinden biridir; sayısal bir değişkenin değerlerini aralıklara (bin) bölerek her aralıktaki gözlem sayısını gösterir.
• Gözlem sayısı arttıkça dağılımın şekli daha net görülür.
• Dağılım hakkında bilgi verir.
• Genellikle verinin yoğunlaştığı konumları gösterir.
• Büyük veya küçük değerlere çarpık olması verilerde dönüşüm yapılabileceğini gösterir.
Box Plot
Verilerin çeyreklik değerlerine göre gösterimidir. Histogram ve nokta çizimleri farklı görünüme sahip olmakla birlikte veri ile ilgili ayrıntılı bilgi verir. Konum, yayılım ve çarpıklık ile ilgili bilgi verir. Dağılımın kuyrukları ve bu kuyrukların yayılım ile ilgili bilgi verir. Uç değerleri görmek için olanaktır. Bu değerler aykırı değerde olabilir. Birden fazla veri kümesinin karşılaştırılmasına yararlıdır. Uç değerlere karşı dirençlidir. Grafiğin çizimi için ortanca, birinci ve üçüncü çeyrek değerleri hesaplanır ve
DAG (Çeyrekler Arası Uzaklık) = d = Q3 − Q1
farkı bulunur. Q3 ve Q1 farkı arasında yatay veya dikey eksende kutu çizilir. Kutunun içine ortanca çizgisi çizilir ve her iki ucundan, A=Q1−1.5d ve B=Q3+1.5d Uzunlukları kuşkulu gözlem sınırları olarak tanımlar. Bunlara eşik değerleri denir.Uç değerler eşik değerlerinin dışında olur ve işaretler.
Saçılım Grafiği
İki ya da daha çok değişken arasındaki çizimler, aykırı değerlerin varlığı bakımından, değişkenlerin birliktelikleri ya da bağımsızlıkları değişkenlerin etkinlikleri ve işlevsel yapı bakımından önemli bilgi verirler. İki değişken arasındaki ilişkinin yapısını ve yönünü verir.
Pasta Grafiği
Kategorik verileri görsel bir şekilde betimleyip özetlemek için hazırlanan; içindeki kategori dilimlerini orantısal olarak gösteren bir daire şeklinde sunulan bir gösterim aracıdır.
Çizgi Grafiği
Çizgi grafiği (line chart), verilerdeki değişimi ve eğilimi (trend) zaman ya da sıralı bir değişken boyunca göstermek için kullanılan bir grafik türüdür. Genellikle x ekseni zaman veya sıralı kategorileri, y ekseni ise ölçülen nicel değeri temsil eder; veri noktaları çizgilerle birleştirilir
Data visualization is the presentation of data with visual elements such as charts, tables and maps. It makes complex data easier to understand.
Purpose of Data Visualization
- Revealing patterns, trends and anomalies in data
- Giving decision-makers clear, fast information
- Making large data sets more accessible
Popular Tools
- Microsoft Excel
- Tableau
- Power BI
- Looker Studio (formerly Google Data Studio)
- Python (matplotlib, seaborn, plotly)
- R (ggplot2)
These are very popular data visualization techniques. Below are some specific data visualization techniques along with their R and Python code.
Histogram
The most common way to summarize a data distribution. It is shown by dividing the range of the data into intervals of equal length. It is one of the most frequently used chart types; it splits the values of a numeric variable into intervals (bins) and shows the number of observations in each interval.
• As the number of observations grows, the shape of the distribution becomes clearer.
• Provides information about the distribution.
• Usually shows where the data is concentrated.
• Skewness toward large or small values suggests the data could be transformed.
Box Plot
A display of data based on its quartiles. Although it looks different from histograms and dot plots, it gives detailed information about the data: its location, spread and skewness, as well as the tails of the distribution and their spread. It makes extreme values visible, and these may be outliers. It is useful for comparing more than one data set and is robust to extreme values. To draw the chart, the median and the first and third quartiles are calculated, and the
IQR (Interquartile Range) = d = Q3 − Q1
difference is found. A box is drawn between Q3 and Q1 along the horizontal or vertical axis. The median line is drawn inside the box, and from both ends the lengths A = Q1 − 1.5d and B = Q3 + 1.5d define the limits for suspicious observations. These are called threshold values. Extreme values fall outside the thresholds and are marked.
Scatter Plot
Plots of two or more variables provide important information about the presence of outliers, whether the variables are associated or independent, and their functional structure. A scatter plot shows the form and direction of the relationship between two variables.
Pie Chart
A display tool prepared to describe and summarize categorical data visually, presented as a circle whose slices show each category proportionally.
Line Chart
A line chart is a chart type used to show the change and trend in data over time or along an ordered variable. Typically, the x-axis represents time or ordered categories, while the y-axis represents the measured quantitative value; the data points are connected with lines.
