Matplotlib kullanımı, Python ile veri görselleştirmeye başlayan herkesin ilk öğrendiği konulardan biridir. Matplotlib; çizgi, sütun, dağılım, histogram ve pasta gibi temel grafiklerden çoklu alt grafiklere kadar geniş bir yelpazede görsel üretmenizi sağlayan açık kaynaklı bir kütüphanedir. Bu rehberde veri görselleştirmenin neden önemli olduğunu, Matplotlib’in kurulumunu, ilk grafiğin nasıl çizileceğini, hangi veri için hangi grafik türünün seçileceğini ve grafiklerin nasıl özelleştirilip kaydedileceğini kod örnekleriyle adım adım anlatıyoruz.

Veri görselleştirme neden önemlidir?
Ham veri tablolarında gizli kalan eğilimler, aykırı değerler ve gruplar arası farklar, doğru seçilmiş bir grafikte birkaç saniyede fark edilir. Bu nedenle veri görselleştirme hem analiz sürecinin hem de sonuçların paylaşılmasının ayrılmaz bir parçasıdır.
- Veriyi anlamak: Dağılımı, eğilimi ve aykırı değerleri analizden önce görmek, yanlış yöntem seçimini önler.
- Karar vermek: Yöneticiler ve karar vericiler, grafiklerle desteklenen raporları daha hızlı değerlendirir.
- İletişim kurmak: Ödev, tez veya iş raporlarında grafikler, teknik olmayan okuyucuya da bulguları anlatır.
Matplotlib kurulumu ve içe aktarma
Matplotlib, pip ile tek komutla kurulur. Jupyter Notebook veya Google Colab kullanıyorsanız kütüphane genellikle hazır gelir.
pip install matplotlib
Kodda en yaygın kullanım, pyplot modülünü plt kısaltmasıyla içe aktarmaktır:
import matplotlib.pyplot as plt
İlk grafiği çizmek: adım adım
Adım 1: Veriyi hazırlayın
Grafik çizmeden önce görselleştirilecek veriyi listeler, NumPy dizileri veya pandas DataFrame olarak hazırlayın. Aşağıdaki örnekte beş aylık örnek bir satış verisi kullanıyoruz.
Adım 2: Grafiği oluşturun
aylar = ["Ocak", "Şubat", "Mart", "Nisan", "Mayıs"]
satis = [10, 15, 13, 18, 20]
fig, ax = plt.subplots(figsize=(8, 4))
ax.plot(aylar, satis, marker="o", color="#1f77b4", label="Satış")
Adım 3: Başlık, eksen etiketi ve açıklama ekleyin
ax.set_title("Aylara göre satış")
ax.set_xlabel("Ay")
ax.set_ylabel("Adet")
ax.legend()
ax.grid(alpha=0.3)
Adım 4: Grafiği gösterin veya kaydedin
fig.tight_layout()
fig.savefig("satis_grafigi.png", dpi=300)
plt.show()
dpi=300 değeri, grafiği rapor veya baskı için yeterli çözünürlükte kaydeder. Akademik çalışmalarda vektörel format gerekiyorsa dosya uzantısını .pdf ya da .svg yapmanız yeterlidir.
Python veri görselleştirme projeniz için bilgi alın
Veri setinizi, istediğiniz grafik türlerini ve teslim tarihinizi WhatsApp üzerinden paylaşın. Kapsamı birlikte netleştirir, çalışma planını ve ücreti bütçenize göre belirleriz.
Hangi veri için hangi grafik?
Matplotlib kullanımında en sık yapılan hata, veriye uygun olmayan grafik türünü seçmektir. Aşağıdaki tablo temel eşleştirmeleri özetler:
| Amaç | Grafik türü | Matplotlib fonksiyonu |
|---|---|---|
| Zaman içindeki değişimi göstermek | Çizgi grafiği | ax.plot() |
| Kategorileri karşılaştırmak | Sütun / çubuk grafiği | ax.bar(), ax.barh() |
| İki değişken arasındaki ilişkiyi görmek | Dağılım grafiği | ax.scatter() |
| Bir değişkenin dağılımını incelemek | Histogram | ax.hist() |
| Grupların dağılımını ve aykırı değerleri karşılaştırmak | Kutu grafiği | ax.boxplot() |
| Bütünün parçalarını göstermek (az kategori) | Pasta grafiği | ax.pie() |
Histogram ve pasta grafiği örneği
import numpy as np
notlar = np.random.normal(65, 12, 200)
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))
ax1.hist(notlar, bins=15, edgecolor="white")
ax1.set_title("Not dağılımı")
ax2.pie([45, 30, 25], labels=["A", "B", "C"])
ax2.set_title("Ürün payları")
plt.show()
Pasta grafiği yalnızca az sayıda kategori olduğunda okunaklıdır; beşten fazla kategori varsa sıralı bir çubuk grafiği genellikle daha iyi sonuç verir.
Grafiği özelleştirme ve stiller
Matplotlib, hazır stil şablonlarıyla grafiğin genel görünümünü tek satırda değiştirmenize izin verir. Örneğin plt.style.use("ggplot") veya plt.style.use("seaborn-v0_8") komutları farklı arka plan, renk ve ızgara düzenleri uygular. Ayrıca renkler, çizgi stilleri (linestyle="--"), işaretçiler (marker="s") ve yazı tipi boyutları tek tek ayarlanabilir.
Türkçe karakterlerin grafikte doğru görünmesi için dosyayı UTF-8 olarak kaydetmek ve Türkçe karakter destekleyen bir yazı tipi kullanmak yeterlidir. Eksenlerdeki sayıların okunaklı olması için gereksiz ondalıkları kaldırmak ve eksen aralıklarını ax.set_ylim() ile kontrol etmek de iyi bir uygulamadır.
Alt grafikler ve 3B görselleştirme
Birden fazla grafiği tek bir figürde göstermek için plt.subplots(satir, sutun) kullanılır. Bu yöntem, örneğin aynı veri setinin farklı değişkenlerini yan yana karşılaştırmak için idealdir. Üç boyutlu veriler için ise mpl_toolkits.mplot3d modülüyle yüzey ve dağılım grafikleri çizilebilir:
fig = plt.figure()
ax = fig.add_subplot(projection="3d")
ax.scatter([1, 2, 3], [4, 5, 6], [7, 8, 9])
plt.show()
Uygulama örnekleri
- Finansal veri: Hisse senedi veya döviz kuru serilerini çizgi grafiği ve hareketli ortalama ile göstermek.
- Sağlık verisi: Tedavi grupları arasındaki ölçüm farklarını kutu grafikleriyle karşılaştırmak.
- Eğitim verisi: Öğrenci not dağılımlarını histogramla incelemek.
- Coğrafi veri: Cartopy veya GeoPandas ile Matplotlib üzerinde harita çizmek.
Matplotlib kullanımında sık yapılan hatalar
- Eksen etiketi ve birim eksikliği: Okuyucu, grafiğin neyi ölçtüğünü başlık ve eksen etiketlerinden anlamalıdır; birimler parantez içinde belirtilmelidir.
- Yanıltıcı eksen başlangıcı: Sütun grafiklerinde y ekseninin sıfırdan başlamaması, küçük farkları olduğundan büyük gösterir.
- Fazla renk ve kategori: Tek grafikte çok sayıda renk kullanmak okunabilirliği düşürür; gerekirse veriyi alt grafiklere bölmek daha iyidir.
- Düşük çözünürlüklü çıktı: Rapora eklenecek grafikler en az 300 dpi ya da vektörel formatta kaydedilmelidir.
- Grafiklerin üst üste binmesi: Döngü içinde yeni figür açılmadığında tüm çizgiler aynı grafiğe eklenir; her grafik için yeni bir
fig, axoluşturmak bu sorunu önler.
Ayrıca renk körlüğü olan okuyucuları düşünerek kırmızı-yeşil karşıtlığından kaçınmak ve Matplotlib’in varsayılan “viridis” gibi algısal olarak dengeli renk haritalarını tercih etmek iyi bir alışkanlıktır. Bu küçük ayrıntılar, grafiğin hem akademik hem de profesyonel ortamda güvenilir görünmesini sağlar.
Matplotlib dışında hangi kütüphaneler kullanılır?
Matplotlib, temel ve tamamen özelleştirilebilir grafikler için güçlü bir başlangıç noktasıdır. Bununla birlikte istatistiksel grafikleri daha az kodla üretmek için Seaborn, etkileşimli ve web tabanlı grafikler için Plotly sık tercih edilir. Seaborn da arka planda Matplotlib’i kullandığı için burada öğrendikleriniz doğrudan işe yarar. Web tarafındaki seçenekleri D3.js ve diğer veri görselleştirme kütüphaneleri yazımızda, analiz tarafını ise Python ile veri analizi ve makine öğrenimi uygulamaları yazımızda ele aldık.
Ödev, proje veya rapor için Python ile veri analizi ve görselleştirme hazırlarken destek almak isterseniz yazılım projesi yaptırma hizmeti sayfamızı inceleyebilirsiniz. İstatistiksel analiz odaklı çalışmalar için veri analizi sitemize de göz atabilirsiniz.
Sonuç
Matplotlib kullanımı; veriyi hazırlamak, uygun grafik türünü seçmek, başlık ve etiketlerle grafiği okunur kılmak ve uygun formatta kaydetmek adımlarından oluşur. Bu temel iş akışını öğrendikten sonra alt grafikler, stiller ve Seaborn gibi üst düzey kütüphanelerle çok daha zengin görseller üretebilirsiniz. Önemli olan her grafiğin tek bir soruya net yanıt vermesidir.
Matplotlib kullanımı hakkında sık sorulan sorular
Matplotlib ile Seaborn arasındaki fark nedir?
Seaborn, Matplotlib üzerine kurulu bir kütüphanedir ve istatistiksel grafikleri daha az kodla üretir. Matplotlib ise her ayrıntıyı tek tek kontrol etmenizi sağlar.
plt.plot() ile ax.plot() arasındaki fark nedir?
plt.plot() o anki aktif grafiğe çizer; ax.plot() ise belirli bir eksen nesnesine çizer. Birden fazla alt grafik kullanılan kodlarda ax yaklaşımı daha düzenli ve hatasızdır.
Grafik neden boş görünüyor?
Komut dosyası olarak çalıştırılan kodlarda plt.show() çağrılmadığında grafik açılmaz. Ayrıca savefig() komutunun show() komutundan önce çağrılması gerekir; aksi hâlde boş bir dosya kaydedilebilir.