Python ile Veri Analizi: Keşifsel Analiz Adım Adım
Basira Editör Ekibi · · 15 dk okuma · Bilimsel inceleme: Doç. Dr. Hasan Yıldırım
Aa Yazı boyutu
Anahtar çıkarımlar
- Keşifsel veri analizi, test yapmadan önce verinin doğru okunduğunu, eksik ve aykırı değerleri, dağılımın biçimini ve değişkenler arası ilişkileri inceleme adımıdır.
- pandas'ın std() işlevi n − 1 paydalı örneklem standart sapmasını verir; NumPy'nin std() işlevi varsayılan olarak n'ye böler. Raporda pandas'ın (ya da ddof=1'in) değeri kullanılır.
- pandas'ın skew() ve kurt() işlevleri yanlılığı düzeltilmiş çarpıklık (G1) ve fazla basıklığı (G2) verir; SPSS'in Skewness ve Kurtosis satırlarıyla aynı tanımdır.
- Çarpık bir değişkende ortalama, ortanca ve kırpılmış ortalama ayrışır; aykırı değer silinmeden önce kaynağı denetlenir ve kararın sonucu değiştirip değiştirmediğine bakılır.
- SciPy'nin ttest_ind işlevi varsayılan olarak Student t-testini yapar; iki bağımsız grupta Welch t-testi için equal_var=False yazılır.
İçindekiler
Python ile veri analizi, bir veri dosyasını pandas, NumPy, SciPy ve grafik kütüphaneleriyle okuyup betimlemek, dağılımını ve uç değerlerini incelemek ve gerekirse test etmektir. Bu rehber testten önceki aşamayı, yani keşifsel veri analizini adım adım gösterir: kurulum, CSV okuma, betimsel istatistik, standart sapmanın iki tanımı, grafikler, aykırı değerler, ilişkiler ve güven aralığı, hepsi gerçek çıktılarla.
Python nedir, keşifsel veri analizinde neden kullanılır?
Python genel amaçlı, ücretsiz ve açık kaynaklı bir programlama dilidir. İstatistik yeteneği dilin kendisinden değil, üzerine kurulan kütüphanelerden gelir.
pandas tablo biçimli veriyi (veri çerçevesi, DataFrame) okur ve özetler (McKinney, 2010); NumPy sayı dizileriyle hesap yapar (Harris vd., 2020); SciPy istatistiksel dağılımları ve testleri sağlar (Virtanen vd., 2020); Matplotlib ve onun üzerine kurulu seaborn grafik çizer (Hunter, 2007; Waskom, 2021). Analiz bir betik ya da not defteri olarak saklandığı için her sayı yeniden üretilebilir.
Keşifsel veri analizi, Tukey’in (1977) adlandırdığı biçimiyle, veriyi bir modele ya da teste sokmadan önce tanıma işidir. Amaç dört soruyu yanıtlamaktır:
- Veri doğru okundu mu?
- Eksik ya da hatalı değer var mı?
- Her değişkenin dağılımı nasıl bir biçimde?
- Değişkenler birbiriyle nasıl ilişkili?
Bu aşamada hipotez sınanmaz. Veriye bakıp hipotez seçmek ve sonra aynı veride sınamak yanıltıcı sonuç verir; bu yüzden raporda hangi analizin önceden planlandığı, hangisinin keşif sırasında akla geldiği ayrı yazılır. Keşifsel analizin bütün veri bilimi iş akışındaki yeri veri bilimi süreci yazısında anlatılır.
Aynı iş akışını temel R ile, kurulumdan bir Welch t-testine kadar R ile istatistik analizi yazısı gösterir. Bu yazı onu tekrar etmez: testten önceki keşfe odaklanır ve Python’a özgü tuzakları (standart sapmanın paydası, SciPy’nin t-testi varsayılanı) ayrıca anlatır. Yol haritası şöyledir:
| Adım | İşlev | Ne verir |
|---|---|---|
| Kurulum (Adım 1) | pip, pd.__version__ | Kütüphaneler ve sürümleri |
| Veri okuma (Adım 2) | pd.read_csv, shape, head, info | Veri çerçevesi, sütun türleri, eksik değer sayısı |
| Betimsel istatistik (Adım 3) | describe, median, var, sem, mode | Merkezi eğilim, yayılım, çeyrekler |
| Standart sapma (Adım 4) | std, np.std | n − 1 ile n paydasının farkı |
| Dağılımın biçimi (Adım 5) | skew, kurt, histplot, boxplot | Çarpıklık, basıklık, histogram, kutu grafiği |
| Aykırı değerler (Adım 6) | quantile ve Tukey çitleri | Uç gözlemler ve satırları |
| İlişkiler (Adım 7) | pairplot | İkili saçılım grafikleri |
| Güven aralığı (Adım 8) | stats.t.interval | Ortalamanın %95 güven aralığı |
Adım 1: Python ve kütüphaneler nasıl kurulur?
Python’u resmî sitesinden (python.org) indirip kurun. Kütüphaneler Python’un paket yöneticisi pip ile bir terminalden kurulur. pandas kurulurken NumPy, seaborn kurulurken Matplotlib de kendiliğinden gelir:
python -m pip install pandas scipy
python -m pip install seaborn
Kasım 2026 itibarıyla resmî sayfalardaki güncel sürümler şunlardır: Python 3.15.2 (25 Ekim 2026), pandas 3.1.1 (4 Kasım 2026), NumPy 2.5.5 (15 Kasım 2026), SciPy 1.18.1 (21 Ağustos 2026), Matplotlib 3.11.2 (11 Eylül 2026) ve seaborn 0.13.2 (Ocak 2024). pandas 3 ve Matplotlib 3.11, Python 3.11 ya da daha yeni bir sürüm ister.
Kodu bir Python betiğine ya da bir not defterine (ör. Jupyter) yazıp çalıştırabilirsiniz. Kurulumu ve sürümleri denetlemek için:
import sys
import numpy as np
import pandas as pd
import scipy
print(sys.version.split()[0])
print(pd.__version__)
print(np.__version__)
print(scipy.__version__)
3.13.0
2.3.3
2.2.6
1.16.3
Bu yazıdaki çıktılar Python 3.13.0, pandas 2.3.3, NumPy 2.2.6, SciPy 1.16.3, Matplotlib 3.11.2 ve seaborn 0.13.2 ile (Windows) üretildi. pandas 3’te bazı çıktıların görünümü az farklıdır; örneğin metin sütunları object yerine yeni str türüyle okunur. Bu yazıda kullanılan istatistiklerin tanımları (std’nin paydası, skew ve kurt) pandas’ın güncel belgeleriyle aynıdır. Yöntem bölümüne kullandığınız sürümleri yazın.
Adım 2: CSV dosyası pandas ile nasıl okunur?
Örnek bir araştırma üzerinden ilerleyelim. Bir araştırmacı 36 lisans öğrencisinden üç ölçüm topluyor: bir haftalık uyku günlüğünden gece başına ortalama uyku süresi (saat), aynı haftada günlük ortalama kafein alımı (mg) ve 10 maddelik bir stres ölçeğinin toplam puanı (0–40). Henüz bir hipotez sınanmıyor; araştırmacı analizden önce veriyi tanımak istiyor. Veri varsayımsaldır ve öğretici amaçla hazırlanmıştır; aşağıdaki bağlantıdan indirip adımları kendi bilgisayarınızda izleyebilirsiniz.
| uyku | kafein | stres |
|---|---|---|
| 6.5 | 185 | 18 |
| 7.2 | 230 | 22 |
| 5.8 | 590 | 25 |
| 7.9 | 75 | 14 |
| 6.8 | 140 | 20 |
| 7.4 | 85 | 16 |
| 6.1 | 420 | 27 |
| 7 | 140 | 19 |
| 8.3 | 125 | 11 |
| 6.6 | 70 | 21 |
| 7.5 | 210 | 17 |
| 5.4 | 240 | 29 |
İlk 12 satır (toplam 36) · Bu örnekteki tüm sayılar SciPy 1.16.3 ile bağımsız olarak yeniden hesaplanır. Veriyi indirin (CSV)
İndirdiğiniz python-kafein-uyku.csv dosyasında her satır bir öğrenci, her sütun bir değişkendir. pandas dosyayı çalışma dizininde arar; dosya başka bir klasördeyse tam yolunu düz eğik çizgiyle yazın (ör. "C:/Veri/python-kafein-uyku.csv"). Dosyayı okuyup boyutuna ve ilk satırlarına bakalım:
dosya = "python-kafein-uyku.csv"
df = pd.read_csv(dosya)
print(df.shape)
print(df.head())
(36, 3)
uyku kafein stres
0 6.5 185 18
1 7.2 230 22
2 5.8 590 25
3 7.9 75 14
4 6.8 140 20
shape satır ve sütun sayısını verir: 36 öğrenci, 3 değişken. Soldaki 0, 1, 2… sütunu veri değil, pandas’ın satır numarasıdır (indeks) ve sıfırdan başlar. Sütunların türüne ve eksik değer sayısına info ile bakılır:
df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 36 entries, 0 to 35
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 uyku 36 non-null float64
1 kafein 36 non-null int64
2 stres 36 non-null int64
dtypes: float64(1), int64(2)
memory usage: 996.0 bytes
float64 ondalıklı sayı, int64 tam sayıdır; üç sütun da sayısal okunmuş. Non-Null Count her sütunda boş olmayan hücre sayısıdır ve 36’dır, yani eksik değer yoktur. Eksik değer olsaydı bu sayı satır sayısından küçük çıkardı; o durumda neyin neden eksik olduğu ve nasıl ele alınacağı eksik veri analizi yazısında anlatılır.
Türkçe Excel’den kaydedilmiş CSV dosyalarında iki sorun sık görülür. Sütunlar noktalı virgülle ayrılmış ve ondalıklar virgülle yazılmışsa sayısal bir sütun metin (object) okunur; okuma satırına sep=";" ve decimal="," eklenir. Türkçe harfler bozuk görünüyorsa dosya UTF-8 değildir; encoding="cp1254" denenir.
Adım 3: Betimsel istatistikler nasıl hesaplanır?
describe her sayısal sütunun temel özetini tek tabloda verir. round(2) yalnız gösterimi iki ondalığa yuvarlar:
print(df.describe().round(2))
uyku kafein stres
count 36.00 36.00 36.00
mean 6.91 160.42 19.25
std 0.74 107.08 4.71
min 5.40 0.00 9.00
25% 6.45 95.00 16.00
50% 6.90 140.00 19.00
75% 7.40 187.50 22.00
max 8.50 590.00 29.00
count eksik olmayan gözlem sayısı, mean ortalama, std standart sapma, min ve max en küçük ve en büyük değer; 25%, 50% ve 75% birinci çeyrek, ortanca ve üçüncü çeyrektir. pandas çeyrekleri doğrusal ara değerlemeyle hesaplar; bu, R’nin summary ve quantile işlevlerinin varsayılanıyla aynı tanımdır. Örneklem çeyreğinin istatistik programlarında kullanılan birden çok tanımı vardır (Hyndman ve Fan, 1996); bu yüzden başka bir programın çeyrekleri küçük farklarla çıkabilir.
describe her şeyi vermez. Ortanca, varyans, ortalamanın standart hatası, çeyrekler arası genişlik (ÇAG), değişim katsayısı (yüzde), %10 kırpılmış ortalama, çarpıklık ve basıklık bir tabloda toplanabilir:
from scipy import stats
ozet = pd.DataFrame({
"ortanca": df.median(),
"ss": df.std(),
"varyans": df.var(),
"sh": df.sem(),
"cag": df.quantile(0.75)
- df.quantile(0.25),
"dk": df.std() / df.mean() * 100,
"kirpik": df.apply(
stats.trim_mean,
proportiontocut=0.1),
"G1": df.skew(),
"G2": df.kurt(),
}).T
print(ozet.round(2))
uyku kafein stres
ortanca 6.90 140.00 19.00
ss 0.74 107.08 4.71
varyans 0.55 11466.25 22.19
sh 0.12 17.85 0.79
cag 0.95 92.50 6.00
dk 10.68 66.75 24.47
kirpik 6.91 145.00 19.23
G1 0.07 2.25 0.02
G2 -0.35 7.13 -0.18
.T tabloyu çevirir: değişkenler sütunda, istatistikler satırda durur ve tablo dar bir ekrana sığar. Uyku ve streste ortalama, ortanca ve kırpılmış ortalama birbirine çok yakındır; bu, simetrik bir dağılımın işaretidir.
Kafeinin ise ortalaması 160,42 mg iken ortancası 140 mg, %10 kırpılmış ortalaması 145 mg’dir. Ortalama birkaç büyük değer tarafından yukarı çekilmiştir. Değişim katsayısı da aynı şeyi söyler: kafeinin standart sapması ortalamasının üçte ikisi kadardır. Hangi merkezi eğilim ölçüsünün ne zaman seçileceği merkezi eğilim ölçüleri, yayılım ölçülerinin tanımları dağılım ölçüleri yazısındadır.
Tepe değer (mod) mode ile bulunur. Birden çok değer aynı sıklıkta en çok geçiyorsa pandas hepsini döndürür:
print(df["kafein"].mode())
print(df["stres"].mode())
0 95
1 140
2 150
Name: kafein, dtype: int64
0 19
1 20
Name: stres, dtype: int64
Çıktıdaki satır sayısı tepe değer sayısıdır: Kafein için pandas 3 değer döndürür, stres için 2 değer. Sürekli ya da çok değer alan bir ölçümde mod çoğu zaman bilgi vermez; asıl yeri kategorik ve az değerli değişkenlerdir.
Adım 4: pandas ve NumPy standart sapması neden farklı çıkar?
Python’da standart sapma iki farklı varsayılanla hesaplanır ve bu fark yöntem bölümüne yanlış sayı yazdırabilir. pandas’ın std işlevi varsayılan olarak n − 1’e böler (ddof=1); NumPy’nin std işlevi ise varsayılan olarak n’ye böler (ddof=0). pandas’ın belgesi, NumPy ile aynı sonucu almak için ddof=0 (ve skipna=False) yazılması gerektiğini açıkça söyler (pandas development team, 2026). Aynı sütunda üçünü karşılaştıralım:
s = df["kafein"]
a = s.to_numpy()
print(round(s.std(), 4))
print(round(a.std(), 4))
print(round(a.std(ddof=1), 4))
107.0806
105.5829
107.0806
İlk satır pandas’ın değeridir. İkinci satır NumPy’nin varsayılanıdır ve küçüktür. Üçüncü satırda ddof=1 yazıldığı için NumPy de pandas’ın değerini verir. İki tanım şunlardır:
Burada tek tek gözlemler, ortalama, gözlem sayısı, n − 1 paydalı örneklem standart sapması, ise n paydalı standart sapmadır.
İkisinin arasındaki ilişki yalnız örneklem büyüklüğüne bağlıdır:
Örneklemden kitle standart sapmasını kestirirken n − 1 paydalı örneklem standart sapması kullanılır. SPSS’in, R’nin sd işlevinin ve Excel’in STDSAPMA.S işlevinin verdiği değer budur. Fark n büyüdükçe küçülür, ama küçük örneklemde raporu değiştirir. NumPy dizisiyle çalışıyorsanız ddof=1 yazmayı alışkanlık edinin.
İkinci bir fark eksik değerlerdedir. pandas’ın özet işlevleri boş hücreleri varsayılan olarak atlar (skipna=True); NumPy’nin işlevleri bir boş değer gördüğünde sonucu da boş (nan) döndürür. pandas’ın atlaması kolaylıktır ama sessizdir: her sütunun kaç gözlemle özetlendiğini describe çıktısının count satırından denetleyin.
Adım 5: Dağılımın biçimi grafiklerle nasıl incelenir?
Sayılar dağılımı özetler, grafikler gösterir. Her değişkenin histogramı ve kutu grafiği seaborn ile çizilir:
import matplotlib.pyplot as plt
import seaborn as sns
fig, ax = plt.subplots(1, 3,
figsize=(9, 3))
for a, s in zip(ax, df.columns):
sns.histplot(df[s], ax=a)
plt.tight_layout()
plt.show()
fig, ax = plt.subplots(1, 3,
figsize=(9, 3))
for a, s in zip(ax, df.columns):
sns.boxplot(y=df[s], ax=a)
plt.tight_layout()
plt.show()
Bu blok konsola bir şey yazmaz; grafikler not defterinde hücrenin altında ya da ayrı bir pencerede açılır ve plt.savefig("hist.png") ile dosyaya kaydedilebilir. plt.subplots(1, 3) bir satırda üç grafik alanı açar, döngü her değişkeni kendi alanına çizer.
Uyku ve stres histogramları tek tepeli ve kabaca simetriktir. Kafein histogramı belirgin biçimde sağa çarpıktır: öğrencilerin çoğu 300 mg’nin altında toplanır, sağda iki ayrık çubuk durur. Kutu grafiği aynı şeyi gösterir: kafeinin kutusu alt tarafa sıkışmıştır ve üst bıyığın üzerinde iki nokta vardır. Uyku ve streste bıyıkların dışında nokta yoktur.
Çarpıklık ve basıklığın sayısal karşılığı Adım 3’teki G1 ve G2 satırlarıdır. pandas’ın skew ve kurt işlevleri yanlılığı düzeltilmiş çarpıklığı (G1) ve fazla basıklığı (G2) verir; normal dağılımda ikisi de sıfırdır (Joanes ve Gill, 1998). Bu, SPSS’in Skewness ve Kurtosis satırlarındaki tanımdır. Kafeinde çarpıklık 2.25, fazla basıklık 7.13’tür.
Belirgin normal dışılığın ölçütü, bu blogdaki test seçimi yazılarının açık karar kuralıdır: |çarpıklık| > 2 ya da |fazla basıklık| > 7 (doğru istatistiksel test seçimi). Bu sınırlar evrensel bir eşik değil, yazılı bir kuraldır. pandas’ta tek satırda denetlenir:
g1 = df.skew().abs() > 2
g2 = df.kurt().abs() > 7
print(g1 | g2)
uyku False
kafein True
stres False
dtype: bool
Kafein iki ölçütü de aşar. Bu bir test kararı değil, bir uyarıdır: kafein ileride iki ya da daha çok grubu karşılaştıran bir analizde bağımlı değişken olacaksa ölçüt her gruba ayrı uygulanır.
Bir grup belirgin biçimde normal dışıysa ya da ölçüm sıralıysa (ör. en çok 7 farklı tam sayı alan bir Likert maddesi) parametrik olmayan test birincil olur, öteki test duyarlılık analizi olarak raporlanır. Shapiro-Wilk testi (stats.shapiro) raporlanabilir, ama testi belirlemez; büyük örneklemde önemsiz sapmaları da anlamlı bulur. Ayrıntı normallik testi ve istatistiksel test seçimi yazılarında.
Adım 6: Aykırı değerler nasıl bulunur?
Kutu grafiğindeki noktalar Tukey’in (1977) çitlerinin dışındaki değerlerdir. Üst çit üçüncü çeyreğin 1,5 ÇAG üstüdür:
q1 = df["kafein"].quantile(0.25)
q3 = df["kafein"].quantile(0.75)
ust = q3 + 1.5 * (q3 - q1)
print(ust)
print(df[df["kafein"] > ust])
326.25
uyku kafein stres
2 5.8 590 25
6 6.1 420 27
df[df["kafein"] > ust] koşulu sağlayan satırları bütün sütunlarıyla getirir. Böylece uç değerin yanındaki öteki ölçümler de görülür: günde 590 ve 420 mg kafein alan iki öğrencinin uykusu kısa, stres puanı yüksektir. Alt çit sıfırın altında kaldığı için alt uçta aykırı değer yoktur.
Bu iki değer kendiliğinden hata değildir. Günde birkaç kahve ya da enerji içeceği bu düzeye ulaşabilir. Silmeden önce kaynağına bakılır: veri girişinde bir basamak kayması mı, birim karışıklığı mı, yoksa gerçek bir uç mu?
Gerçekse veri kalır; ortalama yerine ortancayı ya da kırpılmış ortalamayı raporlamak, analizi uç değerlerle ve uç değerler olmadan iki kez yapıp sonucun değişip değişmediğini göstermek (duyarlılık analizi) seçeneklerdir. Bu iki öğrenci çıkarılınca kafein ortalaması 160,42 mg’dan 140,15 mg’a iner ve ortancaya (140 mg) yaklaşır: ortalama bu iki değere duyarlıdır, ortanca ve kırpılmış ortalama daha dayanıklı özetlerdir.
IQR, z, değiştirilmiş z ve Grubbs yöntemleri ile silme kararının nasıl gerekçelendirileceği aykırı değer yazısında anlatılır.
Adım 7: Değişkenler arası ilişkiler nasıl incelenir?
Her değişken çiftinin saçılım grafiği ve köşegende her değişkenin histogramı tek komutla çizilir:
sns.pairplot(df)
plt.show()
Bu veride uyku ile stres arasında belirgin, aşağı doğru bir örüntü görülür: uykusu kısa olan öğrencilerin stres puanı yüksektir. Uyku ile kafein arasında da aşağı doğru ama daha dağınık bir eğilim vardır; kafeinin iki uç değeri saçılım grafiklerinde öteki noktalardan uzakta durur.
Uç değerler Pearson korelasyonunu tek başına büyütebilir ya da küçültebilir. Bu yüzden katsayıyı hesaplamadan önce grafiğe bakılır; Pearson’ın mı Spearman’ın mı seçileceği Pearson mu Spearman mı yazısında anlatılır. Grafikteki bir ilişki, nedensellik kanıtı da değildir: kafein uykuyu kısaltıyor olabileceği gibi, az uyuyan öğrenci daha çok kahve içiyor olabilir (korelasyon ve nedensellik).
Adım 8: Ortalamanın güven aralığı nasıl hesaplanır?
Keşifsel analizin son adımı olarak her ortalamanın ne kadar kesin kestirildiğine bakılabilir. Ortalamanın %95 güven aralığı t dağılımıyla bulunur; sem ortalamanın standart hatasıdır:
for s in df.columns:
x = df[s]
ga = stats.t.interval(
0.95, len(x) - 1,
loc=x.mean(),
scale=x.sem())
print(s, np.round(ga, 2))
uyku [6.66 7.16]
kafein [124.19 196.65]
stres [17.66 20.84]
Uykunun aralığı dardır: ortalama uyku süresi yarım saatlik bir aralıkta kestirilmiştir. Kafeinin aralığı ise geniştir. %95 güven, yöntemin uzun dönem isabetini anlatır: aynı yöntemle çok sayıda örneklem alınsaydı aralıkların yaklaşık %95’i kitle ortalamasını kapsardı. Elimizdeki tek aralığın kitle ortalamasını %95 olasılıkla içerdiği söylenmez (Hoekstra vd., 2014). Çarpık bir değişkende ortalamanın t aralığı daha az güvenilirdir ve ortanca için başka aralıklar kullanılabilir; ayrıntı güven aralığı yazısında.
Çıktı nasıl yorumlanır?
Bu yazıdaki çıktıların satırları ve anlamları:
| Çıktıdaki ad | Anlamı |
|---|---|
count | Eksik olmayan gözlem sayısı (n) |
mean, std | Ortalama ve n − 1 paydalı standart sapma |
25%, 50%, 75% | Birinci çeyrek, ortanca, üçüncü çeyrek (doğrusal ara değerleme) |
sh | Ortalamanın standart hatası: standart sapma bölü n’nin karekökü |
cag | Çeyrekler arası genişlik: üçüncü çeyrek eksi birinci çeyrek |
dk | Değişim katsayısı: standart sapmanın ortalamaya oranı (yüzde) |
kirpik | Her iki uçtan %10’u atılarak hesaplanan ortalama |
G1, G2 | Yanlılığı düzeltilmiş çarpıklık ve fazla basıklık; normal dağılımda 0 |
Non-Null Count | Sütundaki boş olmayan hücre sayısı |
float64, int64, object | Ondalıklı sayı, tam sayı, metin (pandas 3’te metin str) |
Keşifsel analizin bu veride söyledikleri şunlardır.
- Dosya doğru okunmuş, üç sütun da sayısal ve eksik değer yok.
- Uyku ve stres kabaca simetrik dağılıyor; ortalama ve standart sapma bu iki değişken için uygun özetlerdir.
- Kafein sağa çarpık ve iki uç değer taşıyor; ortanca ve çeyrekler arası genişlik onu daha iyi özetler, uç değerlerin kaynağı denetlenmelidir.
- Uyku ile stres arasında güçlü görünen, kafeinle daha zayıf bir ilişki var.
Bunlar hipotez değil, bir sonraki analiz planının girdileridir.
Keşifsel analiz bulguları nasıl raporlanır?
Tezde ya da makalede keşifsel analiz genellikle bir betimsel istatistikler tablosuyla raporlanır. APA 7’de istatistik simgeleri italik yazılır. Örnek bir tablo:
Tablo 1
Betimsel istatistikler (n = 36)
| Değişken | M | SS | Ortanca | ÇAG | G1 | G2 |
|---|---|---|---|---|---|---|
| Uyku (saat) | 6.91 | 0.74 | 6.90 | 0.95 | 0.07 | −0.35 |
| Kafein (mg/gün) | 160.42 | 107.08 | 140.00 | 92.50 | 2.25 | 7.13 |
| Stres (0–40) | 19.25 | 4.71 | 19.00 | 6.00 | 0.02 | −0.18 |
Not. SS = n − 1 paydalı standart sapma; ÇAG = çeyrekler arası genişlik; G1 = yanlılığı düzeltilmiş çarpıklık; G2 = fazla basıklık.
Metinde tablo tekrar edilmez; dikkat çeken bulgu söylenir.
Tezde nasıl yazılır
Örneğin: “Kafein alımı belirgin biçimde sağa çarpıktı (G1 = 2.25); iki öğrencinin değeri Tukey’in üst çitinin üzerindeydi ve veri giriş formlarıyla doğrulandı. Bu nedenle kafein ortanca ve çeyrekler arası genişlikle özetlendi.”
Öteki testlerin rapor kalıpları ve tablo kuralları APA istatistik raporlama yazısında topluca verilir. Yöntem bölümüne analizin hangi Python ve kütüphane sürümleriyle yapıldığı yazılır.
Python ile başka hangi analizler yapılır?
Keşiften sonra test aşamasına geçilir. Aşağıdaki işlevler SciPy ile gelir; bir noktaya dikkat: R’nin t.test işlevinin tersine SciPy’nin ttest_ind işlevi varsayılan olarak Student t-testini yapar. İki bağımsız grupta varsayılan olarak önerilen Welch t-testi için equal_var=False yazılır.
| Analiz ve ayrıntı | SciPy işlevi |
|---|---|
| İki bağımsız grupta Welch t-testi. Ayrıntı: Welch mi Student mı | stats.ttest_ind(a, b, equal_var=False) |
| Mann-Whitney U testi | stats.mannwhitneyu(a, b) |
| Welch ANOVA (SciPy 1.16 ve sonrası). Ayrıntı: Tek yönlü varyans analizi | stats.f_oneway(a, b, c, equal_var=False) |
| Pearson korelasyonu. Ayrıntı: Pearson mu Spearman mı | stats.pearsonr(x, y) |
| Spearman korelasyonu | stats.spearmanr(x, y) |
| Ki-kare bağımsızlık testi. Ayrıntı: Ki-kare testi | stats.chi2_contingency(tablo) |
| Normallik için Shapiro-Wilk (raporlanır, testi belirlemez) | stats.shapiro(x) |
Ölçüm sıralıysa ya da karşılaştırılan bir grup belirgin biçimde normal dışıysa birincil test Mann-Whitney U testidir.
Menüyle çalışan ücretsiz programlar (JASP, jamovi, PSPP) ile R ve Python’un hangi işte öne çıktığı ücretsiz istatistik programları yazısında karşılaştırılır.
Sık yapılan hatalar
Aşağıdaki altı hatanın hepsi bu yazıda ele alındı: dördü pandas, NumPy ve SciPy’nin varsayılan davranışından, ikisi keşifsel analizin ilkelerinden doğar.
- NumPy’nin standart sapmasını raporlamak.
np.std(x)n’ye böler; örneklem standart sapması içinddof=1gerekir. pandas’ınstdişlevi zaten n − 1 kullanır. - SciPy’de varsayılan t-testini kullanmak.
stats.ttest_indvarsayılan olarak Student testidir; iki bağımsız gruptaequal_var=Falseyazılır. - Sütun türünü denetlememek. Virgüllü ondalık ya da hücredeki bir not yüzünden metin okunan sütun
describeçıktısında hiç görünmez;infoile tür denetlenir. - Eksik değerin sessizce atlandığını unutmak. pandas boş hücreleri atlar; sütunların
countdeğerleri farklıysa her istatistik başka bir örneklem üzerinden hesaplanmıştır. - Uç değeri gerekçesiz silmek. Önce kaynağı denetlenir, sonra kararın sonucu değiştirip değiştirmediği gösterilir.
- Keşifte bulunan örüntüyü aynı veride doğrulanmış hipotez gibi raporlamak. Keşif hipotez üretir; sınamak için önceden planlanmış bir analiz ya da yeni bir veri gerekir.
Sık sorulan sorular
Keşifsel veri analizi ile betimsel istatistik aynı şey mi?
Değil. Betimsel istatistik verinin sayısal özetidir (ortalama, standart sapma, çeyrekler). Keşifsel analiz bu özetleri grafiklerle, aykırı değer ve eksik veri denetimiyle, değişkenler arası ilişkilere bakmakla birleştiren daha geniş bir süreçtir. Betimsel ve çıkarımsal istatistiğin farkı betimsel ve çıkarımsal istatistik yazısında anlatılır.
pandas’taki standart sapma SPSS’tekiyle neden aynı da NumPy’deki farklı?
pandas’ın std işlevi SPSS gibi n − 1’e böler; NumPy’nin std işlevi varsayılan olarak n’ye böler. NumPy’de ddof=1 yazıldığında iki sonuç eşitlenir. Bu veride kafeinin standart sapması pandas’ta 107,0806’dır; NumPy’nin varsayılanı bunun √(35/36) katını verir (Adım 4).
Python mu R mı öğrenmeliyim?
İkisi de ücretsizdir ve tez analizinin çekirdeğini yapar. R istatistik için tasarlanmıştır; temel kurulumla t-testi, ANOVA ve regresyon hazır gelir. Python genel amaçlı bir dildir; veri toplama, metin işleme ve makine öğrenmesi gibi işleri aynı ortamda yapmak istiyorsanız öne çıkar. Danışmanınızın ya da çalışma grubunuzun kullandığı dil çoğu zaman en pratik seçimdir.
Jupyter not defteri kullanmak zorunlu mu?
Hayır. Bu yazıdaki kod bir .py betiği olarak da çalışır; not defteri yalnız kodu, çıktıyı ve grafikleri aynı belgede tutar. Not defterinde hücreleri karışık sırayla çalıştırmak, betiği baştan çalıştırınca farklı sonuç almaya yol açabilir; teslimden önce bütün hücreleri sırayla yeniden çalıştırın.
Veri normal dağılmıyorsa Python’da hangi test kullanılır?
Ölçüm sıralıysa ya da karşılaştırılan bir grup belirgin biçimde normal dışıysa (|G1| > 2 ya da |G2| > 7) iki bağımsız grupta birincil test Mann-Whitney U testidir (stats.mannwhitneyu); Welch t-testi duyarlılık analizi olarak yanında raporlanır. Shapiro-Wilk’in anlamlı çıkması tek başına bu kararı vermez. Desenlere göre karar akışı istatistiksel test seçimi rehberindedir.
Yapay zekâ araçları Python kodunu benim yerime yazabilir mi?
Kod taslağı üretebilirler, ama np.std ile ddof ya da ttest_ind ile equal_var gibi varsayılanları yanlış seçebilirler. Üretilen her satırın ne yaptığını bilmek ve çıktıyı bu yazıdaki gibi elle denetlemek araştırmacının işidir; ayrıntı yapay zekâ ile veri analizi yazısında.
- #python
- #betimsel-istatistik
- #istatistik-programlari
- #veri-temizligi
Bilimsel inceleme
Makine öğrenmesi ve biyoistatistik alanlarında çalışır; sağlık, fen ve sosyal bilimlerde disiplinlerarası araştırmalarda istatistik danışmanlığı yürütür.
Kaynakça
- Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.
- McKinney, W. (2010). Data structures for statistical computing in Python. In S. van der Walt & J. Millman (Eds.), Proceedings of the 9th Python in Science Conference (pp. 56–61).
- Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., … Oliphant, T. E. (2020). Array programming with NumPy. Nature, 585(7825), 357–362.
- Virtanen, P., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., … SciPy 1.0 Contributors. (2020). SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, 17(3), 261–272.
- Hunter, J. D. (2007). Matplotlib: A 2D graphics environment. Computing in Science & Engineering, 9(3), 90–95.
- Waskom, M. L. (2021). seaborn: Statistical data visualization. Journal of Open Source Software, 6(60), Article 3021.
- Joanes, D. N., & Gill, C. A. (1998). Comparing measures of sample skewness and kurtosis. Journal of the Royal Statistical Society: Series D (The Statistician), 47(1), 183–189.
- Hyndman, R. J., & Fan, Y. (1996). Sample quantiles in statistical packages. The American Statistician, 50(4), 361–365.
- Hoekstra, R., Morey, R. D., Rouder, J. N., & Wagenmakers, E.-J. (2014). Robust misinterpretation of confidence intervals. Psychonomic Bulletin & Review, 21(5), 1157–1164.
- pandas development team. (2026). pandas.DataFrame.std. pandas documentation. Erişim tarihi 6 Kasım 2026.
Kod yazmadan deneyin
Basira’da kendiniz yapın
Veri Keşfi ve Betimsel İstatistik modülünü örnek veriyle açın; sonra kendi verinize geçin.
Analizi açİlgili yazılar
Temel İstatistik
Veri Görselleştirme: Hangi Grafik Ne Zaman Kullanılır?
Veri görselleştirme için grafik, değişken türüne ve soruya göre seçilir: çubuk, histogram, kutu, keman, saçılım, çizgi; yanıltıcı grafikler ve APA 7.
Basira ·
Araştırma Yöntemleri
Veri Temizleme Nasıl Yapılır? Adım Adım Kontrol Listesi
Veri temizleme ham veriyi analize hazırlar: kod kitabı, düzenli veri, değişken türü, aralık ve tutarlılık denetimi, yinelenen kayıt ve belgeleme adım adım.
Basira ·
Temel İstatistik
Frekans Dağılımı: Frekans Nedir, Nasıl Bulunur? Tablo Örneği
Frekans dağılımı, her değerin ya da kategorinin kaç kez gözlendiğini gösteren tablodur. Göreli ve birikimli frekans, gruplandırılmış seriler ve örnekler.
Basira ·