matplotlib ile görselleştirme

Derinleş: kurulum, çoklu grafik, vurgu ve rapora gömme

Tek bir çizgi, çubuk ya da histogram çizebiliyorsun. Gerçek bir yönetim raporunda ise daha fazlası istenir: aynı figürde birden çok grafik, iki farklı birimi (TL ve adet) aynı grafikte göstermek, hedef çizgisi ve not eklemek, eksende "1.250.000 TL" gibi Türkçe sayı biçimi, yığılmış çubuk ve grafiği bir HTML rapora gömmek. Bu bölüm bunları tamamlıyor. İstatistiksel grafikler (seaborn) ve etkileşimli grafikler (plotly) "İleri görselleştirme" dersinde.

Kurulum ve arka uç (backend)

python -m pip install matplotlib
python -c "import matplotlib; print(matplotlib.__version__, matplotlib.get_backend())"

# Jupyter'de grafik hücre altında görünsün:
%matplotlib inline

Izgara düzeni: subplots(satır, sütun)

plt.subplots(2, 2) bir figür ve 2×2 numpy dizisi halinde Axes döndürür; axes[0, 1] sağ üst grafiktir. Hepsini dolaşmak için axes.flat kullanılır. sharey=True tüm grafiklerin y eksenini ortak yapar; şehirleri karşılaştırırken bu şarttır, yoksa her grafik kendi ölçeğini seçer ve küçük şehir büyük görünür. Kullanılmayan alanı ax.remove() kaldırır.

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

satis = {"İstanbul": [420, 450, 480], "Ankara": [300, 280, 310], "İzmir": [250, 260, 300]}
fig, axes = plt.subplots(2, 2, figsize=(8, 6), sharey=True)
print(type(axes).__name__, axes.shape)
for ax, (sehir, degerler) in zip(axes.flat, satis.items()):
    ax.plot(["Oca", "Şub", "Mar"], degerler, marker="o")
    ax.set_title(sehir)
axes[1, 1].remove()                      # 4. alan boş kalmasın
fig.suptitle("Şehir bazında aylık satış")
fig.tight_layout()
print("Axes sayısı:", len(fig.axes))
print("ortak y sınırı:", axes[0, 0].get_ylim() == axes[1, 0].get_ylim())
plt.close(fig)

İki birim tek grafikte: twinx

Ciro (TL) ve sipariş adedi aynı eksende çizilirse adet çizgisi sıfıra yapışır. ax.twinx() aynı x eksenini paylaşan, sağda kendi y ekseni olan ikinci bir Axes verir. Okuyucunun hangi serinin hangi eksene ait olduğunu anlaması için eksen etiketlerini serinin rengiyle boyamak iyi bir alışkanlıktır.

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

aylar = ["Oca", "Şub", "Mar", "Nis"]
ciro = [125000, 98000, 143000, 151000]
siparis = [410, 350, 470, 455]

fig, ax = plt.subplots(figsize=(7, 4))
ax.bar(aylar, ciro, color="lightsteelblue")
ax.set_ylabel("Ciro (TL)")
ax2 = ax.twinx()
ax2.plot(aylar, siparis, color="darkred", marker="o")
ax2.set_ylabel("Sipariş (adet)", color="darkred")
print("sol çubuk:", len(ax.patches), "| sağ çizgi:", len(ax2.lines))
print(ax.get_ylabel(), "/", ax2.get_ylabel())
plt.close(fig)

Vurgu: hedef çizgisi, bölge ve not

Grafiğin mesajını okuyucuya söyletmek için üç araç yeter: ax.axhline(y) yatay referans çizgisi (hedef, ortalama), ax.axvspan(x1, x2) bir aralığı gölgeler (kampanya haftaları), ax.annotate(metin, xy=..., xytext=..., arrowprops=...) bir noktaya oklu not koyar. Vurgulanacak çubuğu farklı renkle boyamak için renk listesini koşulla kur.

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

haftalar = ["H1", "H2", "H3", "H4", "H5"]
ciro = [1210, 1480, 990, 1725, 1610]
hedef = 1300

fig, ax = plt.subplots()
renk = ["firebrick" if c < hedef else "lightgray" for c in ciro]
ax.bar(haftalar, ciro, color=renk)
ax.axhline(hedef, linestyle="--", color="black", label="Hedef")
ax.axvspan(2.5, 4.5, alpha=0.15, color="green")      # kampanya haftaları
ax.annotate("Stok sorunu", xy=(2, 990), xytext=(2.2, 1550),
            arrowprops={"arrowstyle": "->"})
ax.set_title("İki hafta hedefin altında kaldı")
print("hedef altı hafta:", sum(c < hedef for c in ciro))
print("çizgi:", len(ax.lines), "| not:", len(ax.texts))
plt.close(fig)

Türkçe sayı biçimi ve yığılmış çubuk

matplotlib eksende 1e6 gibi bilimsel gösterim ya da 1,250,000 gibi İngilizce ayraç kullanır. matplotlib.ticker.FuncFormatter her eksen değerini senin fonksiyonundan geçirir; fonksiyon (değer, konum) alır ve metin döndürür. Yığılmış (stacked) çubukta her kategori, bir önceki katmanların toplamı üzerine bottom= parametresiyle oturtulur; pandas'ta aynı iş pivot.plot.bar(stacked=True) ile yapılır.

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter
import numpy as np

def tl(x, pos):
    return f"{x:,.0f} TL".replace(",", ".")

sehirler = ["İstanbul", "Ankara", "İzmir"]
katmanlar = {"Gıda": [500000, 320000, 210000], "Elektronik": [900000, 410000, 380000]}

fig, ax = plt.subplots()
alt = np.zeros(len(sehirler))
for kategori, degerler in katmanlar.items():
    ax.bar(sehirler, degerler, bottom=alt, label=kategori)
    alt += degerler
ax.yaxis.set_major_formatter(FuncFormatter(tl))
ax.legend()
print(tl(1250000, 0))
print("çubuk parçası:", len(ax.patches), "| İstanbul toplam:", int(alt[0]))
plt.close(fig)

Dışa aktarma ve HTML rapora gömme

savefig uzantıya göre biçim seçer: PNG (ekran, e-posta; dpi=150 baskıda net), SVG ve PDF (vektör, büyütünce bozulmaz). Grafiği dosya yerine belleğe yazmak için io.BytesIO kullanılır; base64 ile metne çevrilen PNG, tek dosyalık bir HTML rapora <img src="data:image/png;base64,..."> olarak gömülür. E-posta ile giden otomatik raporlar genellikle böyle üretilir.

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import io, base64

fig, ax = plt.subplots(figsize=(4, 3))
ax.bar(["A", "B"], [3, 5])
tampon = io.BytesIO()
fig.savefig(tampon, format="png", dpi=100, bbox_inches="tight")
plt.close(fig)
ham = tampon.getvalue()
print("PNG imzası:", ham[:4] == b"\x89PNG")
kod = base64.b64encode(ham).decode("ascii")
html = f'<img alt="Ciro" src="data:image/png;base64,{kod[:20]}...">'
print(html)

Derinleş: gerçek veriyle dakiklik panosu

Grafik kurallarını küçük listelerle öğrendin; şimdi bunları gerçek bir operasyon sorusuna uygulayalım. Kanat Havayolları'nın Eylül–Aralık 2024 arasındaki 3.173 uçuşu (kanat_havayollari/hv_flights) ve 1.350 rötar nedeni kaydı (hv_delays) elimizde. Operasyon direktörü üç soru soruyor: Gecikmeler nasıl dağılıyor? En çok dakikayı hangi neden yiyor? Dakiklik (on-time performance) zamanla kötüleşiyor mu? Her soru için doğru grafik türünü seçip okunur hale getireceğiz.

Önce sayıyı üret

Kalkış gecikmesi = gerçek kalkış − planlanan kalkış (dakika). İptal edilen uçuşlarda gerçek kalkış yoktur; onları dağılımdan çıkar ama ayrı bir sayı olarak raporla. Havacılıkta yaygın tanım: 15 dakikadan az gecikme "zamanında" sayılır.

import veri

f = veri.oku("kanat_havayollari", "hv_flights", parse_dates=["sched_dep", "actual_dep"])
print(f["status"].value_counts().to_dict())
u = f[f["status"] != "cancelled"].copy()
u["gecikme"] = (u["actual_dep"] - u["sched_dep"]).dt.total_seconds() / 60
print(u["gecikme"].describe().round(1).to_dict())
print("zamanında (%):", round((u["gecikme"] < 15).mean() * 100, 1))

Ortalama gecikme 25 dakika ama medyan 7 dakika: dağılım sağa çarpık, birkaç uzun rötar ortalamayı yukarı çekiyor. Bu, histogramı tek başına gösterilmesi gereken bir dağılım yapar.

Çarpık dağılım: kuyruğu kırp, eşiği çiz

Uzun kuyruk (289 dakikaya kadar) eksenini genişletir ve asıl kitleyi sola sıkıştırır. Değerleri 180'de clip ile kırpıp son kutuyu "180+" diye açıkla; 15 dakika eşiğini dikey çizgiyle göster. Kutu sınırlarını 15'in katı seçmek, eşiğin bir kutu sınırına denk gelmesini sağlar.

import veri
import matplotlib.pyplot as plt

f = veri.oku("kanat_havayollari", "hv_flights", parse_dates=["sched_dep", "actual_dep"])
u = f[f["status"] != "cancelled"]
gecikme = (u["actual_dep"] - u["sched_dep"]).dt.total_seconds() / 60

fig, ax = plt.subplots(figsize=(8, 4))
sayilar, kenarlar, _ = ax.hist(gecikme.clip(upper=180), bins=range(-15, 181, 15), color="#6b7c93")
ax.axvline(15, color="#c0392b", linestyle="--", label="15 dk eşiği")
ax.set_title("Kalkış gecikmesi dağılımı (180+ son kutuda)")
ax.set_xlabel("Dakika")
ax.set_ylabel("Uçuş sayısı")
ax.legend()
print(sayilar[:4].astype(int).tolist(), "...", int(sayilar[-1]))
plt.close(fig)

Nedenler: sıralı yatay çubuk

Kategorik ve uzun adlı nedenleri karşılaştırmak için yatay çubuk en okunur türdür. Çubukları değere göre sırala; matplotlib yatay çubukta ilk değeri en alta koyduğu için artan sıralarsan en büyük neden en üstte görünür. Pasta grafik beş kategoride bile farkları okutmaz.

import veri
import matplotlib.pyplot as plt

d = veri.oku("kanat_havayollari", "hv_delays")
toplam = d.groupby("reason")["minutes"].sum().sort_values()
pay = (toplam / toplam.sum() * 100).round(1)

fig, ax = plt.subplots(figsize=(7, 3.5))
ax.barh(toplam.index, toplam.values, color="#6b7c93")
for y, (deger, yuzde) in enumerate(zip(toplam.values, pay.values)):
    ax.text(deger, y, f" %{yuzde}", va="center")
ax.set_title("Rötar dakikası nedene göre")
ax.set_xlabel("Toplam dakika")
print(pay.to_dict())
plt.close(fig)