R ile Veri Analizi ve Görselleştirme 2025 Rehberi

1. R Dili Neden Veri Analizi İçin Bu Kadar Güçlü?

R dili, istatistiksel analiz ve veri görselleştirmede dünyanın en çok tercih edilen araçlarından biri.
Python çok yönlülüğüyle öne çıksa da, R istatistiksel doğruluk, detaylı analiz ve raporlama açısından hâlâ lider konumda.

Benim görüşümce R, “veriyi sadece görmek değil, anlamak isteyenlerin dili.”
Çünkü R’da her şey sayısal düşünme mantığına göre tasarlanmıştır.

2. Veri Setiyle Tanışma: read.csv() Kullanımı

İlk adım veriyi içeri almak.
R’da bu genellikle read.csv() ya da read_excel() fonksiyonlarıyla yapılır.

Örnek:

Bu komut, CSV dosyasını okur ve ilk birkaç satırı gösterir.
Eğer elinde bir Excel dosyası varsa:

Benim tavsiyem: Dosya yollarını Türkçe karakter veya boşluk içermeden adlandır. Yoksa R bazen hata verebilir.

3. Veri Temizleme (Data Cleaning)

Ham veriler genelde dağınıktır. R’da dplyr paketi veri temizlemede mucizeler yaratır.

Benim gözümde dplyr, R dünyasının “bulaşık makinesi”.
Ne kadar karışık veri olursa olsun, birkaç satır kodla pırıl pırıl hale gelir.

4. Betimleyici İstatistik (Descriptive Statistics)

Verinin genel özelliklerini görmek için şu fonksiyonlar harika başlangıçtır:

summary() komutu sana minimum, maksimum, ortalama, medyan gibi özet bilgileri döndürür.
Benim görüşümce bu aşama “veriyle tanışma kısmı”. Tıpkı bir insanı tanımak gibi; önce genel karakterini öğreniyorsun.

5. Veri Görselleştirme: ggplot2 ile Grafikler

Veri görselleştirme R’ın en güçlü yanıdır.
ggplot2 paketi ile hem basit hem profesyonel görseller üretilebilir.

Örnek 1: Bar Grafiği

Örnek 2: Dağılım Grafiği

Benim gözümde ggplot2, “verinin ressamı”.
Bir tabloyu tablo olmaktan çıkarıp hikâyeye dönüştürüyor.

6. Veri Gruplama ve Karşılaştırma

R’da group_by() ve summarise() fonksiyonlarıyla veri gruplama işlemleri kolaydır.

Bu komut, her bölümün ortalama puanını hesaplar.
Benim yorumum: Bu kısımda R’ın ne kadar insancıl olduğunu fark edersin. Çünkü kod bile “anlamlı cümle” gibi okunur.

7. Korelasyon ve Regresyon Analizi

Korelasyon:

Bu komut, iki değişken arasındaki ilişki gücünü verir.
Sonuç 1’e yakınsa pozitif, -1’e yakınsa negatif ilişki vardır.

Basit Doğrusal Regresyon:

Bu, “vize notu arttıkça final notu artıyor mu?” sorusuna yanıt verir.

Benim görüşümce R, istatistikteki “en güvenilir tercüman”. Veriyi öyle açık anlatıyor ki, sayılar bile anlam kazanıyor.

8. Makine Öğrenmesine Giriş

R’da makine öğrenmesi yapmak sandığından daha kolaydır.
“caret” paketi ile birkaç satırda model eğitilebilir.

Bu örnekte iris veri seti üzerinden sınıflandırma modeli kurduk.
Benim gözümde R, makine öğrenmesinde “öğreten öğretmen”. Çünkü kod yazarken bile seni adım adım yönlendiriyor.

9. Gerçek Hayattan Bir Örnek: Satış Analizi

Veri Hazırlama

Görselleştirme

Bu grafik, aylık satış değişimini net bir şekilde gösterir.
Benim yorumum: R’da analiz yapmak, tabloya bakmaktan öte bir şey — veriyle konuşmak gibi.

10. Sonuç: R, Veriyi Anlamanın Dili

R dili, sadece veri işleme aracı değil, bilimsel düşünme şeklidir.
İstatistikten makine öğrenmesine, görselleştirmeden büyük veri analizine kadar her yerde yer bulur.

Benim düşünceme göre R, Türkiye’de hâlâ hak ettiği ilgiyi tam görmese de önümüzdeki yıllarda veri biliminde en çok aranan beceri olacak.
Çünkü veri konuşur, ama onu anlamak için R gerekir.