Question 1

Matplotlib'deki pyplot arayüzü ile nesne yönelimli arayüz arasındaki temel fark nedir?

Accepted Answer

pyplot arayüzü (plt.plot, plt.title), mevcut figures ve axes'i örtük olarak yöneten MATLAB tarzı bir API'dir ve hızlı basit plotlar için uygundur. Nesne yönelimli arayüz (fig, ax = plt.subplots()) her öğe (Figure, Axes) üzerinde açık kontrol sağlar ve karmaşık plotlar, çoklu subplots veya production scriptleri için önerilir, çünkü kodu daha okunabilir ve sürdürülebilir hale getirir.

Question 2

2 satır ve 3 sütun subplots ızgarasına sahip bir figure oluşturmak için hangi yöntem kullanılmalıdır?

Accepted Answer

plt.subplots(2, 3) fonksiyonu 2 satır ve 3 sütun subplots ızgarası içeren bir figure oluşturur. (fig, axes) tuple döner, burada axes (2, 3) şeklinde 2D NumPy dizisidir ve axes[row, col] aracılığıyla her subplot'a erişim sağlar. Bu yaklaşım, Matplotlib'de düzenli subplots ızgarası oluşturmanın en kısa ve idiomatic yoludur.

Question 3

Seaborn ile Pandas DataFrame'in korelasyon heatmap'i nasıl gösterilir?

Accepted Answer

Korelasyon heatmap'i göstermek için önce df.corr() ile korelasyon matrisini hesaplayın, ardından sonucu sns.heatmap()'a iletin. annot=True seçeneği her hücrede korelasyon değerlerini görüntüleyerek okumayı kolaylaştırır. Bu kombinasyon, keşifsel veri analizinde sayısal değişkenler arasındaki korelasyonları görselleştirmek için standart bir yöntemdir.

Matplotlib & Seaborn ile Görselleştirme

Matplotlib'deki pyplot arayüzü ile nesne yönelimli arayüz arasındaki temel fark nedir?

Cevap

2 satır ve 3 sütun subplots ızgarasına sahip bir figure oluşturmak için hangi yöntem kullanılmalıdır?

Cevap

Seaborn ile Pandas DataFrame'in korelasyon heatmap'i nasıl gösterilir?

Cevap

plt.hist()'teki 'bins' parametresinin rolü nedir?

Aynı satırdaki birden çok subplot arasında Y ekseni nasıl paylaşılır?

Diğer Data Science & ML mülakat konuları

Python Temelleri

Python Nesne Yönelimli Programlama

Python Veri Yapıları

Git Temelleri

SQL Temelleri

NumPy Temelleri

Pandas Temelleri

Jupyter & Google Colab

SQL Joins ve Gelişmiş Sorgular

İleri Pandas

Plotly ile Etkileşimli Görselleştirmeler

Tanımlayıcı İstatistik

Çıkarımsal İstatistik

Web Scraping

BigQuery & Cloud Data

Feature Engineering

Denetimli ML: Regresyon

Denetimli ML: Sınıflandırma

Karar Ağaçları ve Topluluk Yöntemleri

Denetimsiz ML

ML Pipeline'ları & Doğrulama

Zaman Serileri & Tahminleme

Deep Learning Temelleri

TensorFlow & Keras

CNN ve görüntü sınıflandırma

RNN ve Diziler

Transformers ve Attention

NLP ve Hugging Face

GenAI ve LangChain

MLOps ve Dağıtım

Bir sonraki mülakatın için Data Science & ML'de uzmanlaş