Seaborn Kdeplot: Kapsamlı Bir Veri Görselleştirme Rehberi
Seaborn, Python programlama dili için geliştirilmiş, Matplotlib tabanlı bir istatistiksel veri görselleştirme kütüphanesidir. Veri bilimcilerin ve analistlerin karmaşık veri setlerindeki kalıpları, ilişkileri ve dağılımları anlamalarına yardımcı olmak için tasarlanmıştır. Seaborn, özellikle istatistiksel grafikler oluşturmada yüksek seviyeli bir arayüz sunar ve estetik açıdan çekici, bilgilendirici grafikler oluşturmayı son derece kolaylaştırır. Bu kapsamlı rehberde, Seaborn’un en güçlü araçlarından biri olan kdeplot fonksiyonunu derinlemesine inceleyeceğiz.
Giriş: Veri Yoğunluğunu Keşfetmek
Veri setlerindeki dağılımları anlamak, veri analizinin temel adımlarından biridir. Bir değişkenin değerlerinin nasıl yayıldığını, hangi aralıklarda yoğunlaştığını veya birden fazla değişkenin birlikte nasıl davrandığını görselleştirmek, hipotez geliştirmek ve içgörüler elde etmek için kritik öneme sahiptir. İşte bu noktada kdeplot devreye girer.
Seaborn Nedir?
Seaborn, Matplotlib’in üzerine inşa edilmiş bir kütüphanedir ve onun sunduğu temel çizim yeteneklerini istatistiksel grafikler için optimize edilmiş bir dizi fonksiyonla genişletir. Pandas DataFrame’leri ile sorunsuz bir şekilde entegre olur ve karmaşık veri görselleştirme görevlerini basitleştiren yüksek seviyeli API’ler sunar. Renk paletleri, stil şablonları ve varsayılan ayarları sayesinde, minimum kodla profesyonel görünümlü grafikler oluşturmak mümkündür.
Çekirdek Yoğunluk Tahmini (KDE) Nedir?
Çekirdek Yoğunluk Tahmini (Kernel Density Estimate – KDE), bir veri setindeki rastgele değişkenin olasılık yoğunluk fonksiyonunu (PDF) parametrik olmayan bir şekilde tahmin etmek için kullanılan bir yöntemdir. Basitçe ifade etmek gerekirse, bir histogramın “pürüzsüzleştirilmiş” bir versiyonudur. Histogramlar, veriyi belirli aralıklara böler ve her aralıktaki gözlem sayısını gösterirken, KDE her bir veri noktası etrafına küçük bir “çekirdek” (genellikle Gauss çekirdeği) yerleştirir ve bu çekirdeklerin toplamını alarak sürekli bir yoğunluk eğrisi oluşturur. Bu, dağılımın şeklini daha net ve sürekli bir şekilde görmemizi sağlar, özellikle de veri setinde çok fazla gözlem olmadığında veya histogramın kutu genişliği seçimine duyarlı olduğumuzda.
Neden Kdeplot Kullanmalıyız?
kdeplot, verinin altında yatan dağılımın şeklini, modlarını (zirvelerini), çarpıklığını ve yayılımını pürüzsüz bir şekilde görselleştirmek için idealdir. Histogramlara kıyasla bazı avantajları vardır:
* Pürüzsüzlük: Veri dağılımının daha akıcı ve sürekli bir temsilini sunar, histogramlarda görülebilen “basamaklı” görünümü ortadan kaldırır.
* Kutu Genişliği Duyarlılığı Olmaması: Histogramlarda kutu genişliği seçimi grafiğin görünümünü önemli ölçüde etkileyebilir. KDE’de ise “bant genişliği” (bandwidth) benzer bir rol oynar ancak genellikle daha robust tahminler sağlar.
* Modları ve Yoğunlukları Daha Net Gösterme: Çok modlu (birden fazla zirveli) dağılımları veya belirli aralıklardaki yoğunluk değişimlerini daha belirgin bir şekilde ortaya çıkarabilir.
* Karşılaştırma Kolaylığı: Farklı kategorik gruplara ait dağılımları aynı grafik üzerinde kolayca karşılaştırmaya olanak tanır.
Seaborn Kdeplot’un Temelleri
Şimdi kdeplot fonksiyonunun nasıl kullanılacağına ve temel parametrelerine bir göz atalım.
Gerekli Kütüphanelerin İçe Aktarılması
Her şeyden önce, gerekli kütüphaneleri içe aktarmamız gerekiyor:
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as npTek Değişkenli (1D) Kdeplot
En temel kullanım şekli, tek bir sayısal değişkenin dağılımını görselleştirmektir. Bunun için, bir Pandas Series veya DataFrame sütunu sağlayabiliriz.
# Örnek bir veri seti oluşturalım
np.random.seed(42)
data = pd.DataFrame({
'Değişken_A': np.random.normal(loc=0, scale=1, size=1000),
'Değişken_B': np.random.normal(loc=5, scale=2, size=1000),
'Kategori': np.random.choice(['Grup1', 'Grup2'], size=1000)
})
Tek değişkenli kdeplot
plt.figure(figsize=(8, 5))
sns.kdeplot(data=data, x='Değişken_A')
plt.title('Değişken A\'nın Çekirdek Yoğunluk Tahmini')
plt.xlabel('Değişken A Değerleri')
plt.ylabel('Yoğunluk')
plt.show()Bu kod parçası, Değişken_A sütunundaki verilerin yoğunluk eğrisini çizecektir. Varsayılan olarak, Seaborn bir Gauss çekirdeği kullanır ve uygun bir bant genişliğini otomatik olarak tahmin eder.
Temel Parametreler ve Varsayılan Davranışlar
kdeplot fonksiyonunun birçok parametresi vardır, ancak en temel olanları şunlardır:
* data: Görselleştirilecek veriyi içeren Pandas DataFrame, Series veya NumPy dizisi.
* x, y: Yoğunluk tahmini yapılacak sütunun adları (DataFrame kullanılıyorsa). x tek değişkenli (1D) KDE için kullanılırken, x ve y birlikte iki değişkenli (2D) KDE için kullanılır.
* ax: Grafiğin çizileceği Matplotlib ekseni (Axes) nesnesi. Belirtilmezse, Seaborn yeni bir eksen oluşturur.
Varsayılan olarak, kdeplot pürüzsüz bir çizgi çizer. Bu çizginin şekli, verinin yoğun olduğu bölgelerde yükselir ve seyrekleştiği bölgelerde alçalır. Eğrinin altındaki toplam alan 1’e eşittir, çünkü bu bir olasılık yoğunluk fonksiyonunun tahminidir.
1D Kdeplot Parametreleri ve Özelleştirme
kdeplot fonksiyonu, grafiğin görünümünü ve hesaplama şeklini kontrol etmek için zengin bir parametre setine sahiptir.
data, x, y Parametreleri
Yukarıda bahsedildiği gibi, data parametresi veri kaynağını belirtir. x ve y ise, data içinde hangi sütunların kullanılacağını belirtir. Tek değişkenli bir KDE için sadece x veya y kullanılır.
# Hem x hem de y ile tek değişkenli kdeplot
plt.figure(figsize=(12, 5))
plt.subplot(1, 2, 1)
sns.kdeplot(data=data, x='Değişken_A')
plt.title('x ile Değişken A')
plt.subplot(1, 2, 2)
sns.kdeplot(data=data, y='Değişken_B')
plt.title('y ile Değişken B')
plt.tight_layout()
plt.show()hue ile Kategorik Gruplara Göre Görselleştirme
hue parametresi, veri setindeki kategorik bir değişkene göre farklı KDE eğrileri çizmenizi sağlar. Bu, farklı grupların dağılımlarını kolayca karşılaştırmak için son derece faydalıdır.
plt.figure(figsize=(8, 5))
sns.kdeplot(data=data, x='Değişken_A', hue='Kategori')
plt.title('Değişken A\'nın Kategoriye Göre Dağılımı')
plt.xlabel('Değişken A Değerleri')
plt.ylabel('Yoğunluk')
plt.show()Bu grafik, Değişken_A‘nın Grup1 ve Grup2 kategorileri için ayrı ayrı yoğunluk eğrilerini gösterir.
fill ile Alanları Doldurma
Yoğunluk eğrilerinin altındaki alanları doldurmak, görsel okunabilirliği artırabilir. fill=True parametresi bu işlevi görür. hue ile kullanıldığında, farklı kategoriler için üst üste binen veya ayrık alanlar oluşturur.
plt.figure(figsize=(8, 5))
sns.kdeplot(data=data, x='Değişken_A', hue='Kategori', fill=True, alpha=0.5)
plt.title('Doldurulmuş Değişken A Dağılımı (Kategoriye Göre)')
plt.xlabel('Değişken A Değerleri')
plt.ylabel('Yoğunluk')
plt.show()alpha parametresi, doldurulmuş alanların şeffaflığını kontrol eder.
weights ile Gözlemlere Ağırlık Verme
Bazı durumlarda, veri setindeki her gözlemin eşit derecede önemli olmadığını düşünebilirsiniz. weights parametresi, her bir gözleme atanacak ağırlıkları belirten bir dizi veya Series kabul eder. Bu, özellikle örneklem ağırlıklandırması yapılması gereken anket verileri gibi durumlarda kullanışlıdır.
# Örnek ağırlıklar oluşturalım (rastgele)
data['Ağırlık'] = np.random.rand(len(data)) + 0.5
plt.figure(figsize=(8, 5))
sns.kdeplot(data=data, x='Değişken_A', weights='Ağırlık', fill=True, alpha=0.6)
plt.title('Ağırlıklandırılmış Değişken A Dağılımı')
plt.xlabel('Değişken A Değerleri')
plt.ylabel('Yoğunluk')
plt.show()bw_method (Bant Genişliği): Pürüzsüzlüğün Anahtarı
Bant genişliği (bandwidth), KDE’nin en kritik parametresidir. Her bir veri noktası etrafına yerleştirilen çekirdeklerin yayılımını kontrol eder.
* Bant Genişliğinin Önemi:
* Küçük bant genişliği: Eğri daha “sivri” ve “çentikli” olur, gürültüyü daha fazla gösterir ve aşırı uyuma (overfitting) yol açabilir. Veri noktalarına daha sıkı sarılır.
* Büyük bant genişliği: Eğri daha “pürüzsüz” ve “yayvan” olur, daha az ayrıntı gösterir ve eksik uyuma (underfitting) yol açabilir. Dağılımın genel şeklini daha iyi yakalayabilir ancak yerel modları kaçırabilir.
* Farklı Yöntemler ve Etkileri:
bw_method parametresi, bant genişliğini otomatik olarak tahmin etmek için çeşitli yöntemler veya manuel bir değer kabul eder:
* 'scott': Scott’ın kuralı.
* 'silverman': Silverman’ın kuralı.
* Bir sayısal değer: Manuel olarak belirlenmiş bir bant genişliği.
* Bir callable (fonksiyon): Özel bir bant genişliği hesaplama fonksiyonu.
plt.figure(figsize=(12, 5))
plt.subplot(1, 2, 1)
sns.kdeplot(data=data, x='Değişken_A', bw_method=0.1) # Daha küçük bant genişliği
plt.title('Küçük Bant Genişliği (0.1)')
plt.subplot(1, 2, 2)
sns.kdeplot(data=data, x='Değişken_A', bw_method=1.0) # Daha büyük bant genişliği
plt.title('Büyük Bant Genişliği (1.0)')
plt.tight_layout()
plt.show()Görüldüğü üzere, bant genişliği seçimi grafiğin görünümünü önemli ölçüde değiştirebilir. Genellikle Seaborn’un varsayılan veya 'silverman' gibi otomatik yöntemler iyi bir başlangıç noktasıdır.
cut ve clip ile Yoğunluk Aralığını Kontrol Etme
* cut: KDE eğrisinin verinin minimum ve maksimum değerlerinin ne kadar ötesine uzanacağını kontrol eder. Varsayılan olarak, KDE eğrisi veri aralığının biraz dışına uzanır. cut=0 ayarı, eğrinin sadece veri aralığı içinde çizilmesini sağlar.
* clip: Yoğunluk tahmininin yapılacağı aralığı doğrudan sınırlar. Bu, özellikle veri setinizde aykırı değerler varsa ve bu aykırı değerlerin KDE hesaplamasını etkilemesini istemiyorsanız kullanışlıdır.
plt.figure(figsize=(12, 5))
plt.subplot(1, 2, 1)
sns.kdeplot(data=data, x='Değişken_A', cut=0)
plt.title('cut=0 ile Kdeplot')
plt.subplot(1, 2, 2)
sns.kdeplot(data=data, x='Değişken_A', clip=(-2, 2)) # Sadece -2 ile 2 arasındaki veriler için yoğunluk tahmini yap
plt.title('clip=(-2, 2) ile Kdeplot')
plt.tight_layout()
plt.show()log_scale ile Logaritmik Ölçekleme
Çok geniş bir aralığa yayılmış veya sağa çarpık dağılımlara sahip verilerde, log_scale=True parametresi x eksenini logaritmik olarak ölçekleyerek dağılımın daha iyi görünmesini sağlayabilir.
# Logaritmik ölçek için pozitif, sağa çarpık bir veri oluşturalım
log_data = np.random.lognormal(mean=1, sigma=0.8, size=1000)
plt.figure(figsize=(12, 5))
plt.subplot(1, 2, 1)
sns.kdeplot(x=log_data)
plt.title('Normal Ölçekte Kdeplot')
plt.subplot(1, 2, 2)
sns.kdeplot(x=log_data, log_scale=True)
plt.title('Logaritmik Ölçekte Kdeplot')
plt.tight_layout()
plt.show()cumulative ile Kümülatif Dağılım Fonksiyonu
cumulative=True parametresi, olasılık yoğunluk fonksiyonu yerine kümülatif dağılım fonksiyonunu (CDF) çizer. CDF, belirli bir değerden küçük veya ona eşit olma olasılığını gösterir.
plt.figure(figsize=(8, 5))
sns.kdeplot(data=data, x='Değişken_A', cumulative=True)
plt.title('Değişken A\'nın Kümülatif Dağılım Fonksiyonu')
plt.xlabel('Değişken A Değerleri')
plt.ylabel('Kümülatif Olasılık')
plt.show()Görsel Estetiği Ayarlama: color, palette, linestyle, linewidth, alpha
Grafiğin görsel çekiciliğini ve okunabilirliğini artırmak için çeşitli estetik parametreler kullanılabilir:
* color: Tek bir renk belirler.
* palette: hue kullanıldığında, her kategori için kullanılacak renk paletini belirler.
* linestyle: Çizgi stilini (‘-‘, ‘–‘, ‘:’, ‘-.’) belirler.
* linewidth: Çizginin kalınlığını belirler.
* alpha: Çizgilerin veya doldurulmuş alanların şeffaflığını belirler (0.0 tamamen şeffaf, 1.0 opak).
plt.figure(figsize=(8, 5))
sns.kdeplot(data=data, x='Değişken_A', hue='Kategori', fill=True, alpha=0.6,
palette='viridis', linewidth=2, linestyle='--')
plt.title('Özelleştirilmiş Kdeplot')
plt.xlabel('Değişken A Değerleri')
plt.ylabel('Yoğunluk')
plt.show()legend ile Açıklamaları Yönetme
legend=False parametresi, hue kullanıldığında oluşan açıklama kutusunu (legend) gizler. Varsayılan olarak True‘dur.
İki Değişkenli (2D) Kdeplot: İlişkileri Keşfetmek
kdeplot, iki sayısal değişken arasındaki ortak dağılımı görselleştirmek için de kullanılabilir. Bu, değişkenler arasındaki ilişkinin yoğunluk haritasını görmemizi sağlar.
Temel 2D Kdeplot Kullanımı
İki değişkenli bir KDE için x ve y parametrelerini birlikte kullanırız.
plt.figure(figsize=(8, 6))
sns.kdeplot(data=data, x='Değişken_A', y='Değişken_B')
plt.title('Değişken A ve Değişken B\'nin Ortak Yoğunluk Tahmini')
plt.xlabel('Değişken A')
plt.ylabel('Değişken B')
plt.show()Bu grafik, iki değişkenin birlikte en yoğun olduğu bölgeleri kontur çizgileriyle gösterir. Kontur çizgileri, eş yoğunluk seviyelerini temsil eder; içe doğru olan çizgiler daha yüksek yoğunlukları gösterir.
Kontur Çizgilerini Yorumlama
2D KDE grafiğindeki kontur çizgileri, bir topoğrafik haritadaki eşyükselti eğrilerine benzer. Her bir kontur çizgisi, belirli bir yoğunluk seviyesindeki (veya olasılık seviyesindeki) noktaları birleştirir. Yoğunluk seviyeleri genellikle içten dışa doğru azalır. Bu, bize iki değişkenin hangi kombinasyonlarının daha olası olduğunu görsel olarak anlatır.
fill ile Alanları Doldurma ve thresh Parametresi
fill=True parametresi, 2D KDE’de kontur alanlarını renkle doldurur. Bu, yoğunluk bölgelerini daha belirgin hale getirir. thresh parametresi, çizilecek en düşük yoğunluk seviyesini belirler. Bu eşiğin altındaki alanlar çizilmez.
plt.figure(figsize=(8, 6))
sns.kdeplot(data=data, x='Değişken_A', y='Değişken_B', fill=True, cmap='Blues', thresh=0.05)
plt.title('Doldurulmuş 2D Kdeplot (Değişken A ve B)')
plt.xlabel('Değişken A')
plt.ylabel('Değişken B')
plt.show()cmap parametresi, doldurulmuş alanlar için kullanılacak renk haritasını belirler. 'Blues', düşük yoğunluktan yüksek yoğunluğa doğru mavi tonlarını kullanır.
levels ile Kontur Seviyelerini Belirleme
levels parametresi, çizilecek kontur çizgilerinin sayısını veya belirli yoğunluk seviyelerini belirlemenizi sağlar. Bir tam sayı verilirse, o kadar eşit aralıklı kontur çizilir. Bir liste verilirse, listedeki değerlere karşılık gelen yoğunluk seviyeleri çizilir.
plt.figure(figsize=(8, 6))
sns.kdeplot(data=data, x='Değişken_A', y='Değişken_B', levels=10, cmap='viridis')
plt.title('10 Seviyeli 2D Kdeplot')
plt.xlabel('Değişken A')
plt.ylabel('Değişken B')
plt.show()
plt.figure(figsize=(8, 6))
sns.kdeplot(data=data, x='Değişken_A', y='Değişken_B', levels=[0.01, 0.05, 0.1, 0.2], colors='purple', linestyles='--')
plt.title('Belirli Seviyeli 2D Kdeplot')
plt.xlabel('Değişken A')
plt.ylabel('Değişken B')
plt.show()cbar ve cmap ile Renk Skalasını Yönetme
cbar=True parametresi, 2D KDE grafiğinin yanına bir renk çubuğu (colorbar) ekler. Bu çubuk, renklerin hangi yoğunluk seviyelerine karşılık geldiğini gösterir. cmap ise renk haritasını belirler.
plt.figure(figsize=(8, 6))
sns.kdeplot(data=data, x='Değişken_A', y='Değişken_B', fill=True, cmap='Reds', cbar=True)
plt.title('Renk Çubuğu ile 2D Kdeplot')
plt.xlabel('Değişken A')
plt.ylabel('Değişken B')
plt.show()2D Kdeplot’ta hue Kullanımı
2D KDE’de hue kullanmak, farklı kategorik gruplar için ayrı 2D yoğunluk haritaları çizmeye çalışır. Bu, genellikle farklı renklerde üst üste binen kontur setleri olarak gösterilir. Ancak, çok sayıda kategori veya karmaşık dağılımlar olduğunda grafik karmaşıklaşabilir.
plt.figure(figsize=(8, 6))
sns.kdeplot(data=data, x='Değişken_A', y='Değişken_B', hue='Kategori', fill=True, alpha=0.5, palette='viridis')
plt.title('Kategoriye Göre 2D Kdeplot')
plt.xlabel('Değişken A')
plt.ylabel('Değişken B')
plt.show()Kdeplot’un Diğer Seaborn Grafikleriyle Entegrasyonu
kdeplot tek başına güçlü olsa da, Seaborn’un diğer yüksek seviyeli fonksiyonlarıyla birleştirildiğinde veri keşfini daha da zenginleştirir.
jointplot ile Marjinal ve Ortak Dağılımları Birleştirme
jointplot, iki değişken arasındaki ortak dağılımı (genellikle bir scatter plot veya 2D KDE ile) ve her bir değişkenin marjinal dağılımını (genellikle histogram veya 1D KDE ile) tek bir grafikte birleştirir. kind='kde' parametresi, ortak dağılım için 2D KDE’yi ve marjinal dağılımlar için 1D KDE’yi kullanır.
sns.jointplot(data=data, x='Değişken_A', y='Değişken_B', kind='kde', fill=True, cmap='magma', height=7)
plt.suptitle('Değişken A ve B için Ortak ve Marjinal Kdeplot', y=1.02) # Genel başlık
plt.show()Bu grafik, iki değişken arasındaki ilişkinin hem genel görünümünü hem de her bir değişkenin tek başına nasıl dağıldığını anlamak için mükemmeldir.
PairGrid ve pairplot ile Çoklu Değişken Analizi
PairGrid ve pairplot, bir veri setindeki tüm sayısal değişken çiftleri arasındaki ilişkileri ve tek tek değişkenlerin dağılımlarını görselleştirmek için kullanılır. pairplot, PairGrid üzerine inşa edilmiş daha basit bir arayüzdür.
pairplot‘ta kde kullanarak hem diyagonalde (tek değişkenli) hem de üst/alt üçgende (iki değişkenli) KDE grafikleri çizebiliriz.
# Daha fazla değişken içeren bir örnek veri seti
iris = sns.load_dataset('iris')
sns.pairplot(iris, kind='kde', hue='species', diag_kind='kde')
plt.suptitle('Iris Veri Seti için Pairplot (KDE)', y=1.02)
plt.show()Bu, birden çok değişkenin birbiriyle ve kategorik bir değişkenle nasıl ilişkili olduğunu hızlıca anlamak için inanılmaz derecede güçlü bir araçtır.
FacetGrid ile Koşullu Görselleştirmeler
FacetGrid, bir veya daha fazla kategorik değişkene göre verinin alt kümeleri için ayrı grafikler oluşturmanızı sağlar. Bu, farklı koşullar altındaki dağılımları karşılaştırmak için kullanışlıdır.
g = sns.FacetGrid(iris, col='species', height=4, aspect=1.2)
g.map_dataframe(sns.kdeplot, x='sepal_length', fill=True, alpha=0.6)
g.set_axis_labels('Çanak Yaprak Uzunluğu', 'Yoğunluk')
g.set_titles(col_name='Tür: {col_name}')
plt.suptitle('Türlere Göre Çanak Yaprak Uzunluğu Dağılımı', y=1.02)
plt.tight_layout()
plt.show()Burada, iris veri setindeki sepal_length değişkeninin dağılımını species (tür) kategorisine göre ayrı panellerde görselleştirdik.
Gelişmiş Konular ve En İyi Uygulamalar
kdeplot‘u etkin bir şekilde kullanmak için bazı gelişmiş konuları ve en iyi uygulamaları bilmek faydalıdır.
Çekirdek Fonksiyonları (Kısaca)
Seaborn kdeplot varsayılan olarak Gauss (normal) çekirdeği kullanır. Diğer çekirdek fonksiyonları (örneğin, Epanechnikov, üçgensel) farklı şekillerde pürüzsüzleştirme yapabilir, ancak Gauss çekirdeği genellikle iyi bir genel amaçlı seçimdir ve çoğu durumda yeterlidir. Çekirdek fonksiyonu seçimi, bant genişliği seçimi kadar kritik değildir, ancak özel durumlarda denenebilir. kdeplot doğrudan çekirdek fonksiyonu parametresi sunmaz, ancak düşük seviyeli scipy.stats.gaussian_kde gibi fonksiyonlarla özel çekirdekler kullanılabilir.
Veri Ön İşleme ve Hazırlık
kdeplot kullanmadan önce verinizin uygun şekilde hazırlandığından emin olun:
* Eksik Değerler: kdeplot, eksik değerleri (NaN) otomatik olarak yoksayar. Ancak, eksik değerlerin varlığı dağılımı etkileyebilir, bu yüzden onları uygun şekilde ele almak önemlidir (doldurma, çıkarma vb.).
* Aykırı Değerler: Aşırı aykırı değerler, KDE eğrisinin şeklini bozabilir ve dağılımın gerçek merkezini veya yayılımını yanlış temsil edebilir. clip parametresi, bu etkiyi azaltmak için kullanılabilir veya aykırı değerler önceden temizlenmelidir.
* Veri Tipi: kdeplot sayısal verilerle çalışır. Kategorik veriler için countplot veya catplot gibi diğer Seaborn fonksiyonları daha uygundur.
Kdeplot Yorumlama İpuçları
Bir KDE grafiğini yorumlarken şunlara dikkat edin:
* Modlar (Zirveler): Bir veya daha fazla zirve var mı? Bu zirveler, veri setindeki farklı alt popülasyonları veya yoğunluk bölgelerini gösterebilir.
* Çarpıklık: Eğri simetrik mi, yoksa sağa (pozitif) veya sola (negatif) çarpık mı? Çarpıklık, verinin ağırlığının hangi tarafta toplandığını gösterir.
* Yayılım: Eğri ne kadar geniş veya dar? Geniş bir eğri, verinin geniş bir aralığa yayıldığını, dar bir eğri ise verinin belirli bir değer etrafında toplandığını gösterir.
* Boşluklar: Eğride belirgin boşluklar veya düşüşler var mı? Bu, veri setinde belirli değer aralıklarında gözlem eksikliği olduğunu veya farklı, ayrık grupların varlığını gösterebilir.
* 2D KDE’de İlişkiler: Kontur çizgilerinin şekli ve yönü, iki değişken arasındaki ilişkinin doğasını (pozitif, negatif, doğrusal olmayan) ve yoğunluklarını gösterir.
Büyük Veri Kümeleriyle Çalışırken Performans
Çok büyük veri kümeleriyle çalışırken kdeplot‘un çizim süresi uzayabilir. Bunun nedeni, her veri noktası için çekirdek hesaplaması yapılmasıdır. Performansı artırmak için:
* Örnekleme (Sampling): Veri setinin daha küçük, temsili bir örneklemini kullanmayı düşünebilirsiniz.
* n_bins (Histogramda): Eğer dağılımı anlamak için mutlak pürüzsüzlük şart değilse, histplot veya displot gibi fonksiyonları kde=True ile kullanarak daha hızlı bir yaklaşım elde edebilirsiniz. Bunlar önce bir histogram oluşturup sonra onu pürüzsüzleştirir.
* gridsize (2D KDE): kdeplot‘un 2D versiyonunda, gridsize parametresi yoğunluk tahmininin hesaplandığı ızgaranın boyutunu kontrol eder. Daha küçük bir gridsize daha hızlı ancak daha az detaylı bir grafik sunar.
Alternatif Görselleştirme Yöntemleri: Histogramlar ve Yoğunluk Grafikleri
KDE, dağılım görselleştirmesi için harika bir araç olsa da, her zaman en iyi seçim olmayabilir.
* Histogramlar: Verinin tam frekans dağılımını göstermek istediğinizde, özellikle de kategorik veya ayrık verilerle çalışırken histogramlar daha açıklayıcı olabilir. sns.histplot fonksiyonu bu amaçla kullanılır ve kde=True parametresi ile histogram üzerine KDE eğrisi de çizebilir.
* displot: Seaborn’un displot fonksiyonu, hem histogramları hem de KDE’leri tek bir arayüz altında birleştirir ve kind parametresiyle (örn. kind='hist', kind='kde') kolayca geçiş yapmanızı sağlar. Ayrıca FacetGrid tabanlı olduğu için col ve row parametreleriyle koşullu görselleştirmeler yapmayı da destekler.
plt.figure(figsize=(12, 5))
plt.subplot(1, 2, 1)
sns.histplot(data=data, x='Değişken_A', kde=True)
plt.title('Histogram ve Kdeplot')
plt.subplot(1, 2, 2)
sns.displot(data=data, x='Değişken_A', kind='kde', hue='Kategori', fill=True)
plt.title('Displot ile Kdeplot')
plt.tight_layout()
plt.show()Sonuç: Kdeplot ile Veri Hikayeleri Anlatmak
Seaborn’un kdeplot fonksiyonu, veri setlerindeki tek ve iki değişkenli dağılımları keşfetmek için inanılmaz derecede esnek ve güçlü bir araçtır. Ham veri noktalarının ötesine geçerek, altında yatan olasılık yoğunluk fonksiyonunun pürüzsüz bir tahminini sunar ve böylece verinin gerçek yapısını ve kalıplarını daha net bir şekilde görmemizi sağlar.
Tek değişkenli KDE ile bir özelliğin nasıl yayıldığını, modlarını ve çarpıklığını anlayabiliriz. hue parametresiyle farklı grupları karşılaştırabilir, fill ile yoğunluk alanlarını vurgulayabilir ve bw_method ile pürüzsüzleştirme seviyesini kontrol edebiliriz. İki değişkenli KDE ise, iki sayısal özellik arasındaki ortak dağılımı ve ilişkinin yoğunluk haritasını sunarak, değişkenlerin birlikte nasıl davrandığına dair derinlemesine içgörüler sağlar.
kdeplot‘u jointplot, pairplot ve FacetGrid gibi diğer Seaborn fonksiyonlarıyla birleştirmek, daha karmaşık veri setlerindeki çoklu ilişkileri ve koşullu dağılımları keşfetmek için kapılar açar. Veri ön işleme adımlarına dikkat ederek ve grafik yorumlama ipuçlarını kullanarak, kdeplot ile verilerinizdeki gizli hikayeleri ortaya çıkarabilir ve analizlerinizi daha anlamlı hale getirebilirsiniz.
Bu rehber, kdeplot‘un temel ve gelişmiş kullanımlarını kapsayarak, veri görselleştirme yolculuğunuzda size sağlam bir temel sunmayı amaçlamaktadır. Seaborn’un sunduğu bu güçlü aracı kullanarak verilerinizle daha etkili bir şekilde etkileşim kurmanız ve değerli içgörüler elde etmeniz dileğiyle.