<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by BerfinTek on Medium]]></title>
        <description><![CDATA[Stories by BerfinTek on Medium]]></description>
        <link>https://medium.com/@tekberfin?source=rss-a76517ef6072------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*EkT7aHJZp4DeQH9giDeemQ.jpeg</url>
            <title>Stories by BerfinTek on Medium</title>
            <link>https://medium.com/@tekberfin?source=rss-a76517ef6072------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 04:07:39 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@tekberfin/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[ CQRS and Event Sourcing: How to Leverage Modern Software Architectures]]></title>
            <link>https://medium.com/@tekberfin/cqrs-and-event-sourcing-how-to-leverage-modern-software-architectures-d27d43ed77c9?source=rss-a76517ef6072------2</link>
            <guid isPermaLink="false">https://medium.com/p/d27d43ed77c9</guid>
            <category><![CDATA[webapi]]></category>
            <category><![CDATA[cqrs]]></category>
            <category><![CDATA[event-sourcing]]></category>
            <dc:creator><![CDATA[BerfinTek]]></dc:creator>
            <pubDate>Wed, 04 Sep 2024 17:10:28 GMT</pubDate>
            <atom:updated>2024-09-04T17:55:12.657Z</atom:updated>
            <content:encoded><![CDATA[<h3>🤖 CQRS ve Event Sourcing: Modern Yazılım Mimarilerinde Gücünüzü Nasıl Katlarsınız?</h3><p>➡️ CQRS, bir uygulamanın query (veri okuma) ve command (veri yazma) işlemlerini çeşitli yöntemlerle gerçekleştirmeyi amaçlayan bir tasarım desenidir.</p><p>➡️Event Sourcing, uygulamasının durumunu kaydetmek için events kullanan bir tasarım desenidir.</p><h3>✍ ️CQRS ve Event Sourcing Arasındaki Farklar</h3><ol><li><strong>Hedefleri:</strong></li></ol><ul><li><strong>CQRS: </strong>Veri okuma ve yazma işlemlerini birbirinden ayırarak sistemin karmaşıklığını azaltmayı amaçlar. Yazma ve okuma modelleri ayrı tutulur.</li><li><strong>Event Sourcing: </strong>Sistemin mevcut durumunu olaylardan takip eder ve bu olaylardan yararlanarak sistemin mevcut durumunu yeniden inşa eder.</li></ul><p>2. <strong>Verilerin Yönetimi:</strong></p><ul><li><strong>CQRS:</strong> Veri, çeşitli modellerde (Talimat ve Soruşturma) tutulur. Yazma ve okuma işlemleri için kullanılan veri modelleri birbirinden farklı olabilir.</li><li><strong>Event Sourcing:</strong> Her veri olay olarak tutulur ve bu olayların sırasıyla uygulanmasıyla sistemin mevcut durumu elde edilir.</li></ul><p>3. <strong>Kullanım Alanları:</strong></p><ul><li><strong>CQRS: </strong>Esneklik, performans optimizasyonu ve karmaşık iş mantıklarının olduğu sistemlerde kullanılır.</li><li><strong>Event Sourcing:</strong> Olay bazlı mimari ve audit trail (denetim izi) gereksinimleri olan sistemler, sistem geçmişini korumak için kullanılır.</li></ul><p>4. <strong>Kodlama Yapısı:</strong></p><ul><li><strong>CQRS: </strong>Command ve Query işlemleri, CQRS’de farklı modeller ve handler’lar kullanır.</li><li><strong>Event Sourcing: </strong>Olayların kaydını yapar, depolar ve sistemin mevcut durumunu bu olaylardan elde ederek yapar.</li></ul><h3>📒CQRS Örneği ve Dosya Yapısı</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/406/1*5G6uh0fF2Ymh-btJP3CJJQ.png" /></figure><pre>public class CreateOrderCommand<br>{<br>    public Guid OrderId { get; set; }<br>    public string ProductName { get; set; }<br>    public int Quantity { get; set; }<br>}</pre><pre>public class OrderCommandHandler<br>{<br>    public void Handle(CreateOrderCommand command)<br>    {<br>        // Veritabanına yeni bir sipariş ekleme işlemi<br>        var order = new Order<br>        {<br>            OrderId = command.OrderId,<br>            ProductName = command.ProductName,<br>            Quantity = command.Quantity<br>        };<br><br>        // Siparişi veritabanına kaydetme (örneğin Entity Framework kullanarak)<br>        dbContext.Orders.Add(order);<br>        dbContext.SaveChanges();<br>    }<br>}</pre><pre>public class GetOrderByIdQuery<br>{<br>    public Guid OrderId { get; set; }<br>}</pre><pre>public class OrderQueryHandler<br>{<br>    public Order Handle(GetOrderByIdQuery query)<br>    {<br>        // Veritabanından siparişi getirme işlemi<br>        return dbContext.Orders.FirstOrDefault(o =&gt; o.OrderId == query.OrderId);<br>    }<br>}</pre><h3>📒 Event Sourcing Örneği ve Dosya Yapısı</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/425/1*YT0B8dw0axKii47Y33t7pw.png" /></figure><pre>public class OrderCreatedEvent<br>{<br>    public Guid OrderId { get; set; }<br>    public string ProductName { get; set; }<br>    public int Quantity { get; set; }<br>}</pre><pre>public class OrderEventStore<br>{<br>    private readonly List&lt;object&gt; _events = new List&lt;object&gt;();<br><br>    public void SaveEvent(object @event)<br>    {<br>        // Olayı kaydet (in-memory veya kalıcı bir depolama alanına)<br>        _events.Add(@event);<br>    }<br><br>    public IEnumerable&lt;object&gt; GetEvents(Guid orderId)<br>    {<br>        // Belirli bir sipariş için tüm olayları getir<br>        return _events.Where(e =&gt; ((OrderCreatedEvent)e).OrderId == orderId);<br>    }<br>}</pre><pre>public class Order<br>{<br>    public Guid OrderId { get; private set; }<br>    public string ProductName { get; private set; }<br>    public int Quantity { get; private set; }<br><br>    public void Apply(OrderCreatedEvent @event)<br>    {<br>        OrderId = @event.OrderId;<br>        ProductName = @event.ProductName;<br>        Quantity = @event.Quantity;<br>    }<br>}</pre><pre>public class OrderRepository<br>{<br>    private readonly OrderEventStore _eventStore;<br><br>    public OrderRepository(OrderEventStore eventStore)<br>    {<br>        _eventStore = eventStore;<br>    }<br><br>    public Order GetOrderById(Guid orderId)<br>    {<br>        var events = _eventStore.GetEvents(orderId);<br>        var order = new Order();<br>        <br>        foreach (var @event in events)<br>        {<br>            order.Apply((OrderCreatedEvent)@event);<br>        }<br>        <br>        return order;<br>    }<br>}</pre><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d27d43ed77c9" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Onion Architecture]]></title>
            <link>https://medium.com/@tekberfin/onion-architecture-044f3366cccc?source=rss-a76517ef6072------2</link>
            <guid isPermaLink="false">https://medium.com/p/044f3366cccc</guid>
            <category><![CDATA[aspnetcore]]></category>
            <category><![CDATA[onionarchitecture]]></category>
            <category><![CDATA[dotnet-core]]></category>
            <dc:creator><![CDATA[BerfinTek]]></dc:creator>
            <pubDate>Fri, 29 Mar 2024 20:35:10 GMT</pubDate>
            <atom:updated>2024-03-29T20:35:10.185Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/545/1*q8Csxnr3e918KUSrRDCLkg.png" /></figure><p>Onion Architecture, yazılım geliştirmenin çeşitli katmanlarından oluşan bir mimari modelidir. Bu mimari yaklaşımın temeli, projenin bağımlılıklarını tersine çevirmek ve dışa bağımlılıkları içe yerleştirmektir. Bu mimari yaklaşım, birbirinden bağımsız bir yapı sunar ve her katmanın ayrı sorumlulukları vardır. Bu bağımsızlık, uygulamayı daha esnek hale getirir ve bakım maliyetlerini düşürür. Bu mimari yaklaşım, özellikle büyük ve karmaşık yazılım projelerinde etkilidir. Bununla birlikte, küçük ölçekli projelerde de kullanılabilir ve kodun düzenliliğini ve bakımı kolaylaştırabilir.</p><h3>Onion Architecture’ın katmanları şunlardır:</h3><p><strong>Presentation Layer (Sunum Katmanı) :</strong> Sunum katmanı kullanıcı arayüzüne yardımcı olur. Mobil uygulama veya masaüstü uygulaması gibi web arayüzü, aynı kullanıcı arayüzüne sahiptir.</p><p><strong>Application Layer (Uygulama Katmanı):</strong> Çekirdek iş mantığının altyapı ile buluştuğu katmandır. Bu katman, altyapıyla çekirdek işlevselliği birleştirir ve uygulamanın gerçek hayattaki kullanımını yönetir.</p><p><strong>Infrastructure Layer (Altyapı Katmanı):</strong> Altyapı katmanı, dış dünya ile iletişimi sağlar. Veritabanı bağlantıları, dosya işlemleri ve ağ iletişimi dahil olmak üzere altyapısal sorunları kapsar.</p><p><strong>Core Layer (Çekirdek Katman):</strong> Temel iş mantığı, varlık sınıfları ve soyutlamalar temel katmanda tanımlanır. Bu katman, uygulamanın birincil işlevselliğini kapsar.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/307/1*eXBJMB4AnKupXb-pbQYY5A.png" /></figure><h3>Onion Architecture’ın çok sayıda avantajı vardır</h3><p><strong>Modülerlik:</strong> Kod, katmanlar arasındaki net sınırlar sayesinde daha modülerdir.</p><p><strong>Test Edilebilirlik:</strong> İş mantığı kodu, dış bağımlılıklardan ayrı tutulduğunda test edilebilir.</p><p><strong>Esneklik:</strong> Dış bağımlılıkların iç katmanlardan uzak tutulması, teknoloji veya servislerin değiştirilmesini kolaylaştırır.</p><p><strong>Bağımsız Dağıtım:</strong> Her katman kendi başına gelişebilir ve dağıtılabilir.</p><h3>Mikro Servis ile arasındaki farklılıklar nelerdir?</h3><h4>Dağıtım ve Ölçeklenebilirlik:</h4><p><strong>Mikro servis mimarisi:</strong> Mikro servis mimarisi, uygulamanın parçalara ayrılmasını ve her bir parçanın bağımsız olarak ölçeklendirilmesini sağlar. Bu, uygulamanın gerektirdiği ölçeklenebilirlik ve karmaşıklığın artması durumunda daha fazla ölçeklenebilir hale getirilmesini sağlar.</p><p><strong>Onion Mimarisi:</strong> Onion mimarisi, bağımlılıkları kolaylaştırır ve geliştirme sürecini daha sürdürülebilir hale getirir. Uygulamanın katmanlar halinde düzenlenmesi ve çekirdek işlevselliğin merkezi bir konumda olması nedeniyle, genellikle tek bir monolitik uygulama olarak dağıtılır.</p><h4>Bağımlılık Yönetimi:</h4><p><strong>Mikro Servis Mimarisi:</strong> Mikro servis mimarisinde her servis ayrıdır, bu nedenle bağımlılıklar genellikle dış servislere veya bileşenlere yönelir. Servisler genellikle HTTP veya diğer protokollerle birbirleriyle iletişim kurarlar. Bu, bağımsız dağıtım ve ölçeklenebilirlik sağlar.</p><p><strong>Onion Mimarisi:</strong> Onion mimarisi, iç katmanların dış katmanlara bağımlı olduğu ve dış katmanların iç katmanları fark etmediği bir yapıya sahiptir. Bu, bağımlılıkların yalnızca bir yönde yönetilmesini kolaylaştırır. Onion Architecture, bağımlılıkların içeride-dışarıya doğru yönetilmesini sağlar. Yani, dış katmanlar iç katmanlara bağımlıdır ancak iç katmanlar dış katmanlara bağımlı değildir.</p><h4>Büyüklük ve Karmaşıklık:</h4><p><strong>Mikro Servis Mimarisi:</strong> Mikro servis mimarisi, karmaşıklığı azaltmak için küçük, bağımsız hizmetler dağıtır. Her bir mikro servis, kendi kod tabanları, veritabanları ve hatta teknolojileri ile bağımsızlık ve ölçeklenebilirlik sağlar.</p><p><strong>Onion Mimarisi:</strong> Onion mimarisi, uygulamanın ana işlevselliğini ve iş mantığını merkezi bir yerde tutar ve etrafında katmanlar oluşturur. Bu, uygulamanın organizasyonunu ve genel tasarımını daha iyi anlamanıza yardımcı olur, ancak tek bir monolitik uygulama oluşturur.</p><h4>Mimari Yaklaşım:</h4><p><strong>Mikro Servis Mimarisi:</strong> Bu yaklaşım, büyük bir monolitik uygulamanın yerine küçük, bağımsız ve bağımsız servislerden oluşan bir sistem oluşturmayı hedefler. Her bir mikro servis, veritabanı veya depolama alanına sahiptir ve belirli işlevselliğe sahiptir.</p><p><strong>Onion Mimarisi:</strong> Onion mimarisi, uygulamayı çeşitli katmanlar halinde organize eder. Bu mimaride, iç katmanlar dış katmanlara bağımlı ve iç katmanlar dış katmanlar hakkında hiçbir şey bilmezler. Bu şekilde, uygulamanın ana işlevselliği katmanlar arasında korunur ve dış dünyadan izole edilir.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=044f3366cccc" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Peki Docker Nedir? (Docker Serisi)]]></title>
            <link>https://medium.com/@tekberfin/peki-nedir-bu-docker-docker-serisi-fa8579bfa7b2?source=rss-a76517ef6072------2</link>
            <guid isPermaLink="false">https://medium.com/p/fa8579bfa7b2</guid>
            <category><![CDATA[docker]]></category>
            <dc:creator><![CDATA[BerfinTek]]></dc:creator>
            <pubDate>Thu, 23 Nov 2023 19:44:43 GMT</pubDate>
            <atom:updated>2024-09-04T17:54:03.172Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/287/1*MH5DKpRECaUh8urDTUVQjg.png" /></figure><p>Docker uygulamaları geliştirme ve yayına alma gibi süreçleri yürütmemizi sağlayan open source bir ‘Container’ teknolojisidir.</p><h4><strong>Neden Docker?</strong></h4><p>Docker aynı işletim sistemi üzerinde birbirinden bağımsız Container’lar oluşturarak sanallaştırma sağlar. Bu sayede uygulamamızı ilgili gereksinimlerle kolayca paketleyebilir ve herhangi bir makinede çalıştırabilir.</p><p><strong>Docker’ın Yapısı:</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/579/1*rHP-PhnD2YhNNcQNowKz7g.png" /></figure><p><strong>Docker’ın Bileşenleri:</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/675/1*wG9PM4xWxVtLMc7I9Pl4NA.png" /></figure><p><strong>Network:</strong> Teorik olarak Container’lar izole durumdadır. Ancak bu Container’ları birbirleri ile bağlayabiliriz. Docker Network, bir ana düğüm tarafından yönetilen bir Docker Container Network oluşturmamıza olanak tanır. Bu networklar birbiri ile iletişim kurabilir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/407/1*0S5bTnm7KH7X3DrQJUbS9g.png" /></figure><blockquote><em>Default olarak 3 adet Network mevcuttur. (‘custom_net’ ve ‘custom_net2’ kendi oluşturduğum Network’lerdir.)</em></blockquote><p><strong>bridge:</strong> Her yeni Container oluşturulduğunda Container’ın default olarak dahil olduğu bir Networkt’ür. Özelikle Network belirtmediğiniz zaman bridge Network’üne dahil olacak.</p><p><strong>host</strong>: Bu Network ana bilgisayar ile Container arasındaki izolasyonu ortadan kaldıracak.</p><p><strong>Container:</strong> Docker Daemon tarafından Linux çekirdeği içinde birbirinden bağımsız ve yalıtılmış bir ortamda yürütülen tüm işlemlere verilen isimdir. Bu ortam, çeşitli uygulamaların çeşitli yazılım sürümlerini yan yana kullanmasını sağlar.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*keHoabOyPAO79AtGEUkUnA.png" /></figure><p><strong>Image:</strong> Uygulamanız için gerekli işletim sistemi kütüphanelerini içerir. Docker arka plan programına komutları tek tek vererek manuel olarak bir görüntü oluşturabilirsiniz. Ya da gerçekleştirilecek görevlerin kodda tanımlanmasına ve dolayısıyla otomatikleştirilmesine olanak tanıyan bir Dockerfile kullanabilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/611/1*0cura5W6Vxk5I8Cdz049-A.png" /></figure><p><strong>Data Volumes:</strong> Docker Contanier’larında veri saklamanız veya Container’lar arasında veri paylaşmanız gerektiğinde kullanılır. Docker Volumes çok önemlidir çünkü Docker Container’ın silinmesi dosya sisteminin tamamını yok eder. Bu tür durumlarda verileri saklamak istiyorsak Docker Volumes’ı kullanmalıyız.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/393/1*sfkFUsy3PLuOt0bD18PwTA.png" /></figure><p><strong>Docker Compose:</strong> Birden fazla Container’a sahip Docker uygulamalarını tanımlar ve çalıştırır. ‘.yaml’ dosyasını kullanarak tek bir komutla tüm servisleri oluşturup başlatabiliriz.</p><h3>Temel Docker Komutları Nelerdir?</h3><pre># Çalışmakta olan Container&#39;ları listeler.<br>docker container ps<br><br># Daha önce ve şuan çalışan Container&#39;ları gösterir.<br>docker container ps -a<br><br># Daha önce ve şuan çalışan Container&#39;ların ID’lerini gösterir.<br>docker container ps -aq</pre><p>Docker container’ları ile ilgili iki temel mod vardır: detached (arkaplanda çalışan) mod ve attached (bağlı) mod. Genelde detached modda çalışmak istenir. Genellikle -d bayrağı ile birlikte kullanılır. Ayrıca, -i (interactive) ve -t (terminal) bayrakları ile birlikte kullanıldığında, interaktif bir terminal bağlantısı sağlar.</p><pre>docker run -d --name my_container_name my_image_name<br><br>docker run -it --name my_container_name my_image_name bash<br><br># Eğer Image yoksa indirip Container oluştutur ve çalıştırır.<br>docker run image<br><br># Durdumuş olduğumuz Container&#39;ı tekrardan çalıştırmanızı sağlar.<br>docker start -i -a my_container_name<br><br># Çalışmakta olan Container&#39;ı siler. Çalışıyor olduğu için -f kullanıldı.<br>docker rm -f my_container_name<br><br># ID kullanarak Container siler.<br>docker rm my_container_id<br><br># Container oluşturup Container&#39;a bağlanmak için.<br>docker container run -it my_image_name<br><br># Varolan Container’a bağlanmak için.<br>docker container exec -it my_image_name<br><br># Image’ın hangi portları kullandığını listeler.<br>docker container port my_image_name<br><br># Container’la ilgili detaylı bilgiler verir.<br>docker inspect my_container_id<br><br># Image’la ilgili detaylı bilgiler verir.<br>docker inspect my_image_name</pre><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=fa8579bfa7b2" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Python Seaborn ve Matplotlib ile Veri Görselleştirme]]></title>
            <link>https://medium.com/@tekberfin/kaggle-amazon-top-50-bestselling-books-2009-2019-eda-700a3613e96e?source=rss-a76517ef6072------2</link>
            <guid isPermaLink="false">https://medium.com/p/700a3613e96e</guid>
            <dc:creator><![CDATA[BerfinTek]]></dc:creator>
            <pubDate>Fri, 17 Sep 2021 10:27:41 GMT</pubDate>
            <atom:updated>2024-09-04T17:53:28.810Z</atom:updated>
            <content:encoded><![CDATA[<blockquote>Kaggle_Amazon Top 50 Bestselling Books 2009–2019 (EDA)</blockquote><p>Öncelikle gerekli kütüphaneler import ediyoruz.</p><pre>import pandas as pd<br>import numpy as np<br>import matplotlib.pyplot as plt<br>import seaborn as sns</pre><p><em>“.csv”</em> uzantılı dosya okumak için pandas kütüphanesini kullanıyoruz. (Benim kod sayfası ile .csv uzantılı dosya aynı klasörde olduğundan dolayı sadece ismini yazmam yeterli oldu. Eğer farklı dosyalarda ise tam yolu kullanın.)</p><pre>df = pd.read_csv(&quot;bestsellers with categories.csv&quot;)<br>df.head()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/900/1*Wkg7OAZTC-0AtzKyTO00uw.png" /></figure><p>Veri hakkında detaylı bilgi için <strong>.info()</strong> komutunu kullanıyoruz.</p><pre>df.info()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/332/1*Z5ryoPeGTlWJH6aBoj3XIg.png" /></figure><p><strong>.info()</strong> komutu ile 550 satırlık veri seti içinde 550 null olmayan değer olduğunu görmüştük. Fakat <strong>.isnull().sum()</strong> komutu ile null değerlerin toplamına bakıyoruz. Bu işlem veri temizleme yaparken kaybedilen veri sayısı için önemli.</p><pre>df.isnull().sum()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/172/1*2Yq9eyIPYHDOA8HDRu9QJQ.png" /></figure><p><strong>.describe()</strong> komutu ile değişkenlerin merkezi eğilim ve dağılım ölçüleri bulunur.</p><pre>df.describe()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/931/1*O6ce0XxBx6r7vXZfDoYVaA.png" /></figure><p>Python içerisinden <strong>seaborn</strong> **kütüphanesini kullanarak <strong>countplot</strong> grafiği oluşturuyoruz. <em>“Genre”</em> değişkeni içerisindeki değerlerin sayılarını görüyoruz.</p><pre>sns.countplot(x=&quot;Genre&quot;,<br>             data=df).set_title(&quot;Genre Count&quot;);</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/848/1*FqJFxvWMKEk_f3IrY8dOOQ.png" /></figure><p>Python içerisinden <strong>seaborn</strong> kütüphanesini kullanarak <strong>stripplot</strong> grafiği oluşturuyoruz. <em>“Genre”</em> değişkenini içerisindeki değerlerin <em>“User Rating”</em> değişkeni içerisindeki değerlere göre dağılımı görüyoruz.</p><pre>ax = sns.stripplot(x=&quot;Genre&quot;,<br>             y=&quot;User Rating&quot;,<br>             data=df).set_title(&quot;User Rating by Genre&quot;);</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/815/1*nDzTk_1sGF4ee4Pm99wKpg.png" /></figure><p><strong>Countplot</strong> grafiğini kullanarak <em>“User Rating”</em> değişkeni içerisindeki değerlerin sayılarını görüyoruz. Değerlerin dağılımlarını görmek için kullanışlı bir grafik.</p><pre>bx = sns.countplot(x=&quot;User Rating&quot;,<br>             data=df);</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/843/1*YNxbsPgRBPDviwcCeQJkQw.png" /></figure><p><strong>Boxplot</strong> grafiğini kullanarak <em>“Year”</em> değişkenine göre <em>“Price”</em> değişkeninin (“minimum”, ilk çeyrek (Q1), medyan, üçüncü çeyrek (Q3) ve “maksimum”) dağılımını ve aykırı değerleri görüyoruz. <strong>.set_title</strong> komutu ile grafiğe isim verebiliriz.</p><pre>cx = sns.boxplot(x=&quot;Year&quot;,<br>           y=&quot;Price&quot;,<br>           data=df).set_title(&quot;Price by Years&quot;);</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/862/1*TsC0BR0aSZQqfou5FNqN2Q.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/898/1*an_mLGI2Q-dWRSotzOt5vQ.png" /></figure><p><a href="https://towardsdatascience.com/understanding-boxplots-5e2df7bcbd51">Understanding Boxplots</a></p><p><strong>.value_counts()</strong> komutu ile <em>“Author”</em> değişkenindeki değerlerin kaç tane olduklarını görüyoruz.</p><pre>df[&#39;Author&#39;].value_counts()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/387/1*ElAw-pOIKTQsZ0bJhOS1xw.png" /></figure><p><strong>Groupby</strong> işlemi yaparak <em>“Author”</em> değişkenini <em>“Genre”</em> değişkenine göre grupluyoruz ve her gruplama işlemini bir değere atıyoruz. (Daha sonra bu <strong>a</strong> ve <strong>b</strong> değerlerini kullanacağız.)</p><pre>a = df.groupby([&#39;Author&#39;, &#39;Genre&#39;]).agg({&#39;Name&#39;: &#39;count&#39;}).unstack()[&#39;Name&#39;, &#39;Non Fiction&#39;].sort_values(ascending=False)[:11]<br>b = df.groupby([&#39;Author&#39;, &#39;Genre&#39;]).agg({&#39;Name&#39;: &#39;count&#39;}).unstack()[&#39;Name&#39;, &#39;Fiction&#39;].sort_values(ascending=False)[:11]</pre><pre>a</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/391/1*Ap6xrnVKT32MEG8Y2nVMhw.png" /></figure><pre>b</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/390/1*9qJRBevei7ABKOR3HPoeDw.png" /></figure><p><strong>With</strong> komutunu kullanıldığı bloğu kapsaması için kullanıyoruz. Hazır bulunan grafikler yerine kendimiz bir grafik oluşturuyoruz. Koyu arka planlı bir alan oluşturup daha önce grupladığımız <em>“Authors- Non Fiction” (a)</em> ile <em>“Authors- Fiction” (b)</em> değerlerini kullanarak <strong>subplots</strong> grafiği oluşturuyoruz. <br><strong>.set_xlabel()</strong> : x ekseninin ismini yazmak için kullanılır.<br><strong>.barh()</strong> : kullanılacak satır ve sütunların hangi değerlerden oluştuğunu belirlemek için kullanılır. <br><strong>.yaxis.tick_right()</strong> : oluşturulan grafiğin sağ tarafta bulunması için kullanılır. <br><strong>.set_xticks()</strong> : x değerlerinin maksimum olarak uzunluğunu belirlemek için kullanılır. <br><strong>.set_yticklabels()</strong> : y değerlerini yazdırmak için kullanılır. Son olarak <strong>plt.show()</strong> :komutu ile oluşturduğumuz grafiği gösteriyoruz.</p><pre>with plt.style.context(&#39;dark_background&#39;):<br>    figure, axis = plt.subplots(1, 2, figsize=(5, 5))<br>    <br>    axis[0].set_xlabel(&#39;Number of appreances&#39;)<br>    axis[0].set_title(&#39;Authors-Non Fiction-&#39;)<br>    axis[0].barh(y=a.index, width=a.values)<br>    axis[0].invert_xaxis()<br>    axis[0].yaxis.tick_left()<br>    axis[0].set_xticks(np.arange(max(a.values)+1))<br>    axis[0].set_yticklabels(a.index)<br>    <br>    axis[1].set_title(&#39;Authors-Fiction-&#39;)<br>    axis[1].set_xlabel(&#39;Number of appreances&#39;)<br>    axis[1].barh(y=b.index, width=b.values)<br>    axis[1].yaxis.tick_right()<br>    axis[1].set_xticks(np.arange(max(b.values)+1))<br>    axis[1].set_yticklabels(b.index)<br>    <br>plt.show()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/968/1*N_L6ov7J8qhRUfd91AleUQ.png" /></figure><p><em>“Price”</em>, <em>“User Rating”</em>, <em>“Reviews”</em> değişkenlerini belirli aralıklarla bölüp her aralıktaki toplam sayıları yazıyoruz.</p><pre>price = pd.cut(df[&#39;Price&#39;], bins=15)<br>price = pd.DataFrame(pd.DataFrame(price).groupby(&#39;Price&#39;).size(), columns=[&#39;Price Count&#39;]).reset_index()<br>user_rating = pd.cut(df[&#39;User Rating&#39;], bins=15)<br>user_rating = pd.DataFrame(pd.DataFrame(user_rating).groupby(&#39;User Rating&#39;).size(), columns=[&#39;User Rating Count&#39;]).reset_index()<br>reviews = pd.cut(df[&#39;Reviews&#39;], bins=15)<br>reviews = pd.DataFrame(pd.DataFrame(reviews).groupby(&#39;Reviews&#39;).size(), columns=[&#39;Reviews Count&#39;]).reset_index()</pre><pre>display(pd.concat([price, user_rating, reviews], axis=1))</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1001/1*s-79zWWXyA4u1hhBTTzQ9g.png" /></figure><p><strong>Seaborn</strong> kütüphanesi içinde <strong>.kdeplot()</strong> komutunu kullanarak <em>“Price”</em> değişkenindeki değerlerin yoğunluk grafiğini oluşturuyoruz.</p><pre>sns.kdeplot(df.Price,shade=True).set_title(&quot;Density Graph of Price Variable&quot;);</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/821/1*LtqV1fbizDxKj3FsmuzJmQ.png" /></figure><p><strong>Seaborn</strong> kütüphanesi içinden <strong>.FacetGrid()</strong> komutunu kullanarak <em>“Price”</em> değişkeninin değerlerine göre bir yoğunluk grafiği daha oluşturuyoruz. Diğerinden farklı olarak <em>“Genre”</em> değişkenine göre renk kodlaması ekliyoruz. <strong>.add_legend()</strong> komutu ile renk kodlamasının isimlerini ekliyoruz.</p><pre>sns.FacetGrid(df,hue=&quot;Genre&quot;,height=5,xlim=(0,100)).map(sns.kdeplot,&quot;Price&quot;,shade=True).add_legend();</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/803/1*ZODJ0MrKAP_ASuAmYJPO8w.png" /></figure><p>Kodların tümüne ulaşmak için aşağıdaki linke bakabilirsiniz.</p><p><a href="https://github.com/berfin-t/Kaggle_Amazon-Top-50-Bestselling-Books-2009---2019">GitHub - berfin-t/Kaggle_Amazon-Top-50-Bestselling-Books-2009---2019</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=700a3613e96e" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>