Proje Girişi: Fransa ve Cezayir Ticaretinde İşgalin Uzun Vadeli Etkisi

Bu projede, Fransa ve Cezayir gibi iki ülkenin uzun vadeli ticaretine işgalin etkisini inceleyeceğiz. Fransa, geçmişte Cezayir’in işgalcisi olarak rol almıştır, bu nedenle bu iki ülke arasındaki ticaret ilişkisinde tarihsel faktörlerin önemli olduğunu görebiliriz. Veri analizi ve görselleştirmesi kullanarak, bu iki ülke arasındaki ticaretin zaman içindeki değişimini ve işgalin ticaret üzerindeki uzun vadeli etkisini araştıracağız. Bu, her iki ülkenin ticaret verilerini karşılaştırarak ve işgalin ticaret verileri üzerindeki potansiyel etkilerini belirleyerek yapılacaktır. Bu çalışma, işgalin uzun vadeli ekonomik sonuçlarını anlamak ve tarihî bağlamı göz önünde bulundurarak ticaretin nasıl etkilendiğini incelemek için önemli bir adım olacaktır.

R paketleri

R paketleri, R programlama dilinin güçlü bir özelliğidir ve çeşitli analiz ve görselleştirme işlemlerini gerçekleştirmek için kullanılırlar. İşte R paketleri hakkında genel bir giriş:

  1. R Paketlerinin Tanımı: R paketleri, R kullanıcılarının önceden yazılmış işlevleri ve veri setlerini içeren modüllerdir. Bu paketler, belirli bir amaca yönelik işlevlerin bir araya getirilmesini sağlar.

  2. Önemleri: R paketleri, R kullanıcılarına geniş bir analiz ve veri manipülasyon araçları yelpazesi sunar. Bu paketler sayesinde, kullanıcılar verileri işlemek, analiz etmek, modellemek ve sonuçları görselleştirmek için hazır çözümlere erişebilirler. Ayrıca, R topluluğu tarafından geliştirilen ve paylaşılan binlerce paket bulunmaktadır, bu da kullanıcıların ihtiyaçlarına uygun özelleştirilmiş çözümlere erişmelerini sağlar.

  3. Kullanımı: Bir R paketini kullanmak için, öncelikle install.packages() işlevini kullanarak paketi yüklemeniz gerekir. Ardından, library() işleviyle yüklenen paketi çağırabilirsiniz. Paket içeriğine erişmek için help() veya ? işlevlerini kullanabilirsiniz.

  4. Farklı Türde Paketler: R paketleri çeşitli amaçlara hizmet eder. Veri manipülasyonu için dplyr ve tidyr, görselleştirme için ggplot2, istatistiksel analizler için stats, zaman serisi analizi için forecast gibi birçok popüler paket bulunmaktadır.

  5. Geliştirme ve Katkı: R topluluğu sürekli olarak yeni paketler geliştirmekte ve mevcut paketleri güncellemektedir. Kullanıcılar, kendi işlevlerini paketlere ekleyerek veya varolanları iyileştirerek katkıda bulunabilirler. Bu şekilde, R paketleri sürekli olarak gelişmekte ve genişlemektedir.

R paketleri, veri analizi ve istatistiksel modelleme gibi çeşitli analiz alanlarında kullanıcılarına büyük kolaylık sağlar. Bu modüller, veri bilimi ve istatistik alanlarında çalışan profesyonellerin ve araştırmacıların çalışmalarını hızlandırır ve sonuçlarını daha etkili bir şekilde iletmelerine yardımcı olur.

Tabii ki, işte beş kütüphanenin işlevselliğine ilişkin Türkçe açıklamalar, her biri yan başlık altında:

Kütüphane İşlevleri:

1. wdi: Dünya Gelişim Göstergeleri

WDI (World Development Indicators), Dünya Bankası tarafından sağlanan bir R paketidir. Bu paket, dünya genelinde ekonomik, sosyal ve çevresel göstergeleri içeren büyük veri setlerini kolayca çekmenizi sağlar. Özellikle, ülkelerin ekonomik gelişimine ilişkin verilere erişmek için kullanılır.

2. explore: Veri Keşfi ve Analizi

Explore, veri analizi ve keşif amacıyla kullanılan bir R paketidir. Bu paket, veri setinizin özetini oluşturmanıza, temel istatistikleri hesaplamanıza, veri dağılımlarını görselleştirmenize ve veri setinizin yapısını keşfetmenize olanak tanır. Veri keşfi ve analizi aşamalarında sıkça kullanılır.

3. dplyr: Veri Manipülasyonu ve Dönüşümü

Dplyr, veri manipülasyonu ve dönüşümü için kullanılan bir R paketidir. Bu paket, veri setlerini filtreleme, sıralama, toplama, birleştirme ve dönüştürme gibi yaygın veri işleme görevlerini gerçekleştirmenizi sağlar. Veri hazırlığı ve temizleme süreçlerinde yaygın olarak kullanılır.

4. ggplot2: Veri Görselleştirmesi

Ggplot2, veri görselleştirmesi için kullanılan bir R paketidir. Bu paket, grafikler oluşturmanıza ve veri setinizin yapısını, ilişkilerini ve dağılımlarını görsel olarak anlamanıza olanak tanır. Ggplot2’nin gücü, veriye dayalı grafiklerin esnek ve özelleştirilebilir olmasıdır.

5. knitr: Dinamik R Raporlama

Knitr, R Markdown belgeleri oluşturmak için kullanılan bir R paketidir. Bu paket, R kodunu, metin açıklamaları ve çıktılarını tek bir belgede bir araya getirerek dinamik ve interaktif raporlar oluşturmanızı sağlar. Knitr, veri analizi sonuçlarını paylaşmak ve raporlamak için yaygın olarak kullanılır.

# WDI paketini yükle
library(WDI)

# Fransa için ülke kodunu tanımla
country <- "FR"

# Fransa için ticaret göstergelerini çek
ticaret_verisi <- WDI(country = country, indicator = "NE.EXP.GNFS.CD", start = 2000, end = 2020)

# Ticaret verisinin ilk birkaç satırını yazdır
head(ticaret_verisi)
##   country iso2c iso3c year NE.EXP.GNFS.CD
## 1  France    FR   FRA 2020   723479579566
## 2  France    FR   FRA 2019   862106200525
## 3  France    FR   FRA 2018   885114776507
## 4  France    FR   FRA 2017   803163777629
## 5  France    FR   FRA 2016   748010809661
## 6  France    FR   FRA 2015   746211770693

Bu kod, belirtilen dönemde Fransa için dış ticaret göstergelerini çekecek ve bu göstergelerin bir veri setinde nasıl göründüğünü göstermek için veri setinin ilk birkaç satırını yazdıracaktır. Daha fazla ticaret göstergesi keşfetmek veya belirli bir analiz yapmak isterseniz, lütfen bana bildirin!

# ggplot2 paketini yükle
library(ggplot2)

# Ticaret verisi için bir grafik oluştur
ggplot(data = ticaret_verisi, aes(x = year, y = NE.EXP.GNFS.CD)) +
  geom_line() +
  labs(title = "Fransa'nın İhracatı (2000-2020)",
       x = "Yıl",
       y = "İhracat (Milyar USD)")

# Tiklerin kutu grafiği ile görselleştirilmesi
ggplot(data = ticaret_verisi, aes(x = "", y = NE.EXP.GNFS.CD)) +
  geom_boxplot() +
  labs(title = "Fransa'nın İhracatı (2000-2020)",
       x = NULL,
       y = "İhracat (Milyar USD)")

Bu kod, Fransa’nın 2000’den 2020’ye kadar olan ihracatını kutu grafiği ile görselleştirecektir. Kutu grafiği, verinin merkezi eğilimini, dağılımını ve aykırı değerlerini daha net bir şekilde görmemize yardımcı olabilir.

# knitr paketini yükle
library(knitr)

mean_value <- mean(ticaret_verisi$NE.EXP.GNFS.CD, na.rm = TRUE)
median_value <- median(ticaret_verisi$NE.EXP.GNFS.CD, na.rm = TRUE)

summary_data <- data.frame(
  İstatistik = c("Ortalama", "Medyan"),
  Değer = c(mean_value, median_value)
)

kable(summary_data, caption = "Fransa'nın İhracat Verileri İstatistikleri")
Fransa’nın İhracat Verileri İstatistikleri
İstatistik Değer
Ortalama 688648154905
Medyan 741061331101

Bu kod bloğu, knitr paketinin kullanımını göstermektedir. Knitr, R Markdown belgeleri ve raporlarının oluşturulmasını kolaylaştıran bir pakettir. Bu paket, R kodunu çalıştırarak sonuçları raporlara dönüştürmek için kullanılır. Kod bloğu şu adımları içerir:

  1. knitr Paketinin Yüklenmesi: library(knitr) komutuyla knitr paketi yüklenir. Bu, paketin işlevselliğini kullanılabilir hale getirir.

  2. İhracat Verilerinin Ortalama ve Medyan Değerlerinin Oluşturulması: Önceki işlemler sonucunda hesaplanan ortalama ve medyan değerlerini içeren bir veri çerçevesi oluşturulur. Bu veri çerçevesi, “summary_data” adıyla tanımlanır.

  3. Sonuçların Tablo Formatında Gösterilmesi: kable(summary_data, caption = "Fransa'nın İhracat Verileri İstatistikleri") kod satırı, “summary_data” veri çerçevesini tablo formatında göstermek için kullanılır. “Fransa’nın İhracat Verileri İstatistikleri” başlığı, tablonun altına eklenir. Bu şekilde, knitr paketiyle oluşturulan tablo, R Markdown raporlarına veya HTML, PDF, Word gibi çıktı formatlarına kolayca dahil edilebilir.

Şimdi yukarıdakilerin hepsini yapıyoru Cezayir için :

# Cezayir için ISO kodunu tanımla
ulke_kodu_cezayir <- "DZ"

# Ticaret verisi için gösterge kodu
gosterge_kodu_ticaret <- "NE.EXP.GNFS.CD"

# 2000'den 2020'ye kadar Cezayir için ticaret verisini çek
ticaret_verisi_cezayir <- WDI(country = ulke_kodu_cezayir, indicator = gosterge_kodu_ticaret, start = 2000, end = 2020)

# Veri çerçevesinin yapısını görüntüle
str(ticaret_verisi_cezayir)
## 'data.frame':    21 obs. of  5 variables:
##  $ country       : chr  "Algeria" "Algeria" "Algeria" "Algeria" ...
##  $ iso2c         : chr  "DZ" "DZ" "DZ" "DZ" ...
##  $ iso3c         : chr  "DZA" "DZA" "DZA" "DZA" ...
##  $ year          : int  2020 2019 2018 2017 2016 2015 2014 2013 2012 2011 ...
##  $ NE.EXP.GNFS.CD: num  2.55e+10 3.90e+10 4.52e+10 3.85e+10 3.34e+10 ...
##   ..- attr(*, "label")= chr "Exports of goods and services (current US$)"
##  - attr(*, "lastupdated")= chr "2024-03-28"
##  - attr(*, "label")= chr [1:21] "Exports of goods and services (current US$)" "Exports of goods and services (current US$)" "Exports of goods and services (current US$)" "Exports of goods and services (current US$)" ...
# Veri çerçevesinin ilk birkaç satırını görüntüle
head(ticaret_verisi_cezayir)
##   country iso2c iso3c year NE.EXP.GNFS.CD
## 1 Algeria    DZ   DZA 2020    25461283137
## 2 Algeria    DZ   DZA 2019    39014337553
## 3 Algeria    DZ   DZA 2018    45233969232
## 4 Algeria    DZ   DZA 2017    38496745565
## 5 Algeria    DZ   DZA 2016    33403117257
## 6 Algeria    DZ   DZA 2015    38460337534
# Veriyi birleştir ve eksik değerleri filtrele
veri_cezayir <- ticaret_verisi_cezayir
veri_cezayir$Ülke <- as.character(veri_cezayir$iso2c[1])
veri_cezayir <- na.omit(veri_cezayir)

# Çizim
ggplot(veri_cezayir, aes(x = year, y = NE.EXP.GNFS.CD, color = Ülke)) +
  geom_line() +
  labs(title = "Cezayir'in Ticaret Verileri (2000-2020)",
       x = "Yıl",
       y = "Ticaret Değeri (Mevcut ABD Doları cinsinden)",
       color = "Ülke")

# Kutu grafiği
ggplot(veri_cezayir, aes(x = Ülke, y = NE.EXP.GNFS.CD)) +
  geom_boxplot() +
  labs(title = "Cezayir'in Ticaret Verisi (2000-2020)",
       x = "Ülke",
       y = "Ticaret Değeri (Mevcut ABD Doları cinsinden)")

# Ortalama ve medyanı hesapla
ortalama_deger_cezayir <- mean(veri_cezayir$NE.EXP.GNFS.CD)
medyan_deger_cezayir <- median(veri_cezayir$NE.EXP.GNFS.CD)


# Ortalama ve medyanı tablo olarak göster
summary_data_cezayir <- data.frame(
  İstatistik = c("Ortalama", "Medyan"),
  Değer = c(ortalama_deger_cezayir, medyan_deger_cezayir)
)

# Sonuçları tablo formatında göster
print(summary_data_cezayir)
##   İstatistik       Değer
## 1   Ortalama 47378802958
## 2     Medyan 45233969232
# dplyr paketini yükle
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
# 1. Satırları 2015 yılından sonrası için filtrele
filtreli_veri <- ticaret_verisi_cezayir %>%
  filter(year > 2015)

# 2. "iso2c" ve "NE.EXP.GNFS.CD" sütunlarını seç
secilen_sutunlar <- ticaret_verisi_cezayir %>%
  select(iso2c, NE.EXP.GNFS.CD)

# 3. Veriyi "NE.EXP.GNFS.CD" sütununa göre azalan sıraya göre düzenle
duzenlenmis_veri <- ticaret_verisi_cezayir %>%
  arrange(desc(NE.EXP.GNFS.CD))

# 4. Veriyi "NE.EXP.GNFS.CD" sütununun ortalamasını ve medyanını hesaplayarak özetle
ozet_veri <- ticaret_verisi_cezayir %>%
  summarise(ortalama_deger = mean(NE.EXP.GNFS.CD),
            medyan_degeri = median(NE.EXP.GNFS.CD))

print(filtreli_veri)
##   country iso2c iso3c year NE.EXP.GNFS.CD
## 1 Algeria    DZ   DZA 2020    25461283137
## 2 Algeria    DZ   DZA 2019    39014337553
## 3 Algeria    DZ   DZA 2018    45233969232
## 4 Algeria    DZ   DZA 2017    38496745565
## 5 Algeria    DZ   DZA 2016    33403117257
print(secilen_sutunlar)
##    iso2c NE.EXP.GNFS.CD
## 1     DZ    25461283137
## 2     DZ    39014337553
## 3     DZ    45233969232
## 4     DZ    38496745565
## 5     DZ    33403117257
## 6     DZ    38460337534
## 7     DZ    65185653729
## 8     DZ    69659422390
## 9     DZ    77123040201
## 10    DZ    77581318065
## 11    DZ    61975419482
## 12    DZ    48533798524
## 13    DZ    82034752287
## 14    DZ    63531235749
## 15    DZ    57121818900
## 16    DZ    48714917515
## 17    DZ    34178449805
## 18    DZ    25957128354
## 19    DZ    20152501384
## 20    DZ    20085449436
## 21    DZ    23050166017
print(duzenlenmis_veri)
##    country iso2c iso3c year NE.EXP.GNFS.CD
## 1  Algeria    DZ   DZA 2008    82034752287
## 2  Algeria    DZ   DZA 2011    77581318065
## 3  Algeria    DZ   DZA 2012    77123040201
## 4  Algeria    DZ   DZA 2013    69659422390
## 5  Algeria    DZ   DZA 2014    65185653729
## 6  Algeria    DZ   DZA 2007    63531235749
## 7  Algeria    DZ   DZA 2010    61975419482
## 8  Algeria    DZ   DZA 2006    57121818900
## 9  Algeria    DZ   DZA 2005    48714917515
## 10 Algeria    DZ   DZA 2009    48533798524
## 11 Algeria    DZ   DZA 2018    45233969232
## 12 Algeria    DZ   DZA 2019    39014337553
## 13 Algeria    DZ   DZA 2017    38496745565
## 14 Algeria    DZ   DZA 2015    38460337534
## 15 Algeria    DZ   DZA 2004    34178449805
## 16 Algeria    DZ   DZA 2016    33403117257
## 17 Algeria    DZ   DZA 2003    25957128354
## 18 Algeria    DZ   DZA 2020    25461283137
## 19 Algeria    DZ   DZA 2000    23050166017
## 20 Algeria    DZ   DZA 2002    20152501384
## 21 Algeria    DZ   DZA 2001    20085449436
print(ozet_veri)
##   ortalama_deger medyan_degeri
## 1    47378802958   45233969232

Bu kod bloğu, veri analizinde yaygın olarak kullanılan dplyr paketinin bazı işlevlerini göstermektedir. dplyr paketi, veri çerçevelerini işlemek için kullanılan bir araç setidir ve veri manipülasyonu, filtreleme, toplama ve dönüştürme gibi işlemleri kolaylaştırır.

Kod bloğu şu adımları içerir:

  1. Satırların Filtrelenmesi: filter() işlevi kullanılarak veri çerçevesinden belirli bir koşulu karşılayan satırlar filtrelenir. Bu örnekte, “year” sütunundaki değeri 2015’ten büyük olan satırlar seçilir.

  2. Belirli Sütunların Seçilmesi: select() işlevi kullanılarak veri çerçevesinden belirli sütunlar seçilir. Bu örnekte, “Country” ve “NE.EXP.GNFS.CD” sütunları seçilir.

  3. Verilerin Sıralanması: arrange() işlevi kullanılarak veri çerçevesi belirli bir sütuna göre sıralanır. Bu örnekte, “NE.EXP.GNFS.CD” sütununa göre azalan sırada sıralama yapılır.

  4. Verilerin Özetlenmesi: summarise() işlevi kullanılarak veri çerçevesinin belirli bir sütununun istatistiksel özetleri hesaplanır. Bu örnekte, “NE.EXP.GNFS.CD” sütununun ortalama ve medyan değerleri hesaplanır.

Bu işlemler, dplyr paketinin temel işlevlerini gösterir ve veri analizinde verimliliği artırmak için sıkça kullanılır.

# Fransa ve Cezayir Arasındaki Toplam Ticaret Hacmi Karşılaştırması
ggplot() +
  geom_line(data = ticaret_verisi, aes(x = year, y = NE.EXP.GNFS.CD, color = "Fransa")) +
  geom_line(data = ticaret_verisi_cezayir, aes(x = year, y = NE.EXP.GNFS.CD, color = "Cezayir")) +
  labs(title = "Toplam Ticaret Hacmi Karşılaştırması",
       x = "Yıl",
       y = "Toplam Ticaret Hacmi",
       color = "Ülke") +
  theme_minimal()

Tablo ve veri içeren veri kümelerini temsil eden iki farklı ülkenin ticaret hacmini karşılaştıran bir çizgi grafiği oluşturduk. Grafiğin x-ekseni yılları, y-ekseni ise toplam ticaret hacmini temsil eder. “France” ve “Algeria” renklerle ayrılmış iki çizgi olarak gösterilir. Bu grafiği kullanarak, iki ülkenin ticaret hacmindeki trendleri ve farkları gözlemleyebiliriz.

library(explore)
explore(ticaret_verisi)
## Warning in explore_shiny(data, ...): This function can only be used in an
## interactive R session
explore(ticaret_verisi_cezayir)
## Warning in explore_shiny(data, ...): This function can only be used in an
## interactive R session

Bu kod bloğu, veri keşfi ve özetlemesi için explore paketini kullanmaktadır. explore paketi, veri setlerini keşfetmek, özetlemek ve görselleştirmek için kullanılır.

İlk satır, genel ticaret veri setini keşfetmek için explore() işlevini çağırır. Bu işlev, veri setindeki değişkenlerin dağılımlarını, özet istatistiklerini ve temel görselleştirmelerini sağlar.

İkinci satır ise özel olarak Cezayir ticaret veri setini keşfetmek için explore() işlevini çağırır. Bu işlev, Cezayir’e özgü ticaret veri setinin ayrıntılı analizini ve görselleştirmelerini sağlar.

Bu kod bloğu, veri setlerini keşfetmek ve anlamak için kullanılır ve veri analizi sürecindeki önemli bir adımdır.