Zaman grafiği (Time Plot), bir veri setinin zaman içindeki değişimini görsel olarak temsil eden bir grafik türüdür. Bu tür grafikler, zaman serileri olarak adlandırılan verilerin analizi için kullanılır. Zaman serileri, belirli bir süre boyunca düzenli aralıklarla ölçülen verileri içerir ve genellikle zamana bağlı değişen olayları veya süreçleri takip etmek amacıyla kullanılır.

Zaman grafiklerinin temel özellikleri şunlardır:

Zaman Eksen:

Yatay eksende, zamanı temsil eden değerler bulunur. Zaman, genellikle saniye, dakika, saat, gün, ay veya yıl cinsinden gösterilir.

Tarih ve saat biçimleri sıkça kullanılır ve grafikteki zaman aralığı veri türüne ve analiz amaçlarına bağlı olarak değişebilir.

Dikey Eksen:

Dikey eksende, zaman serisi ile ilgili ölçülen veri değerleri bulunur. Bu değerler, gözlemlenen olay veya süreçle ilgili sayılar, miktarlar, sıcaklık, fiyatlar, stok miktarları vb. olabilir.

Veri Noktaları:

Zaman serisinin her bir ölçümü, zaman ekseninde uygun bir konumda gösterilir. Bu noktalar, veri değerlerini temsil eder.

Birden çok zaman serisi aynı grafik üzerinde çizilebilir, bu da farklı verilerin karşılaştırılmasını sağlar.

Trend Analizi:

Zaman grafikleri, zaman içindeki değişikliklerin trendlerini ve değişkenliklerini gösterir. Bu sayede uzun vadeli eğilimler ve dönemsel desenler kolayca tanımlanabilir.

Desen ve Aykırı Değer Analizi:

Zaman grafikleri, dönemsel desenler, tekrarlayan olaylar ve aykırı değerlerin tespit edilmesine yardımcı olur.

Profil ve Tahmin:

Zaman grafikleri, geçmiş verilere dayalı olarak gelecekteki değerleri tahmin etmek için kullanılabilir.

Zaman grafikleri, finansal verilerin izlenmesi, hava durumu tahminleri, üretim süreçleri, hisse senedi fiyatları, gelir tahminleri ve diğer birçok alanda veri analizi ve tahmin amacıyla yaygın olarak kullanılır. Bu grafikler, zamana bağlı olayları ve değişiklikleri anlamak için önemli bir araçtır.

Kod:

import pandas as pd
import matplotlib.pyplot as plt

# Örnek zaman serisi verisi oluşturma
data = {
    'Tarih': pd.date_range(start='2023-01-01', periods=10, freq='D'),
    'Değer': [12, 14, 18, 16, 20, 22, 25, 28, 24, 21]
}

# Veriyi bir pandas DataFrame'e yerleştirme
df = pd.DataFrame(data)

# Tarih sütununu indeks olarak ayarlama
df.set_index('Tarih', inplace=True)

# Zaman grafiği çizimi
plt.figure(figsize=(10, 5))  # Grafiğin boyutunu ayarla
plt.plot(df.index, df['Değer'], marker='o', linestyle='-', color='b')
plt.xlabel('Tarih')  # X ekseni etiketi
plt.ylabel('Değer')  # Y ekseni etiketi
plt.title('Örnek Zaman Grafiği')  # Başlık ekle

# Grafiği göster
plt.grid(True)  # Izgara eklemek isterseniz
plt.show()

Çıktı:

Zaman grafikleri veya zaman serisi verileri için dikkate alınması gereken temel metrikler şunlar olabilir:

Merkezi Eğilim Metrikleri:

Ortalama (Mean): Veri setinin zaman içindeki ortalama değeri. Değerlerin genel merkezini gösterir.

Medyan (Median): Veri setinin ortasındaki değer. Aykırı değerlerden etkilenmez.

Mod (Mode): Veri setinde en sık tekrarlanan değer.

Değişkenlik Metrikleri:

Standart Sapma (Standard Deviation): Veri noktalarının ortalama etrafındaki yayılımı ölçer. Büyük standart sapma, verilerin dağılımının daha fazla değişken olduğunu gösterir.

Varyans (Variance): Standart sapmanın karesi olarak hesaplanır.

Çeyrekler Arası Aralık (Interquartile Range - IQR): Veri setinin alt ve üst çeyrekleri arasındaki farktır. Aykırı değerleri tanımlamak için kullanılır.

Trend ve Dönemsel Metrikler:

Lineer Trend: Zaman içinde veriler arasındaki doğrusal eğilimi ifade eder. Bu, verilerin zaman içinde nasıl değiştiğini gösterir.

Mevsimlik (Seasonality): Düzenli aralıklarla tekrarlanan desenleri ifade eder. Örneğin, her yıl aynı mevsimde tekrar eden bir trend olabilir.

Otokorelasyon (Autocorrelation): Bir dönemin verileri ile bir sonraki dönemin verileri arasındaki ilişkiyi ölçer.

Eğilim Değerleri:

Eğilim Eğimi (Slope): Veri setinin lineer trendini ifade eder. Eğilim eğimi pozitifse, veriler artıyor demektir. Negatifse, veriler azalıyor demektir.

R-Kare (R-Squared): Lineer bir regresyonun ne kadar iyi verilere uydurulduğunu ölçer. 0 ile 1 arasında bir değere sahiptir, 1 mükemmel bir uyum anlamına gelir.

Aykırı Değerler (Outliers):

Aykırı değerler, diğer veri noktalarından önemli ölçüde farklı olan nadir gözlemlerdir. Aykırı değer tespiti için farklı metrikler ve teknikler kullanılır.

Zaman Aralıkları ve Periyotlar:

Zaman serisi verileri içindeki zaman aralıkları ve dönemler (örneğin, günlük, aylık, yıllık) dikkate alınmalıdır. Bu, verilerin nasıl ölçüldüğünü ve yorumlandığını etkiler.

Metrikler, verileri anlamak ve analiz etmek için kullanılır. Hangi metriklerin uygun olduğu, veri türüne, analiz amacına ve zaman serisinin özelliklerine bağlı olarak değişebilir. Tüm bu metrikler, zaman serisi analizinin bir parçası olarak kullanılarak verilerin içindeki gizli desenleri ve ilişkileri ortaya çıkarabilir.