Eko I Final projesi
ABAKAR OUMAR ABADAM
2025-12-22
R Markdown
This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.
When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:
summary(cars)## speed dist
## Min. : 4.0 Min. : 2.00
## 1st Qu.:12.0 1st Qu.: 26.00
## Median :15.0 Median : 36.00
## Mean :15.4 Mean : 42.98
## 3rd Qu.:19.0 3rd Qu.: 56.00
## Max. :25.0 Max. :120.00Including Plots
You can also embed plots, for example:
Note that the echo = FALSE parameter was added to the
code chunk to prevent printing of the R code that generated the
plot.
-CO₂ Emisyonlar
Karbon dioksit veya karbondioksit (CO 2), karbonun yanması ve canlıların solunumu sırasında oluşan, sera gazı sayılan renksiz, kokusuz ve toksik olmayan bir gazdır. Emisyonlar, sera gazlarının veya bu gazların öncüllerinin belirli bir alanda ve belirli bir süre boyunca atmosfere salınması anlamına gelir. » Bir metrik ton 1000 kilograma (2200 poundun üzeri) eşdeğerdir.
CO2 bir uluslararası soru olmustu . bu sorumluluğun bölgeler, ülkeler ve bireyler arasında nasıl paylaşıldığı, uluslararası tartışmalarda sürekli bir konu olmuştur.Bugun ve gelecekteki neler ve nasil olacak bir analyse.
-CO₂ emisyonları farklı şekillerde karşılaştırılabilir:
Yıllık ülke bazında emisyonlar: Ülkelerin yıllık emisyonları.
Kişi başına düşen emisyonlar: Bir kişinin yıllık emisyonları.
Tarihsel katkılar: Ülkelerin tarihsel olarak ne kadar emisyon ürettiği.
Ticaret malları ve hizmetleri için düzeltilmiş emisyonlar: İhracat ve ithalatı dikkate alan emisyonlar.
PAKETLER
R paketleri, R programlama dilinin temel işlevlerini genişletmek için tasarlanmış bir araç ve kaynaklar kümesidir. Bu paketler, işlevler, veri kümeleri ve diğer ek materyalieri bir araya getirir ve belirli bir amaca hizmet etmek üzere paketlenir. Her paket, belirli analitik veya hesaplama ihtiyaçlarını karşılamak için özel olarak tasarlanmış bir araç kutusu olarak hizmet eder. Bu paketler, çeşitli görevleri verimli ve etkili bir şekilde yerine getirmenizi sağlayarak R’nin makine tarafından kullanılan dişlileridir.
ornek 1 (dplyr paketi)
dplyr: Veri işleme ve manipülasyonu için kullanılır. Veri çerçeveleri üzerinde filtreleme, sıralama, toplama ve birleştirme gibi işlemleri kolaylaştırır.
dplyr, R programlama dilinde veri işleme ve manipülasyonu için geliştirilmiş bir pakettir. Bu paket, veri çerçeveleri üzerinde sıklıkla yapılan işlemleri kolaylaştırır ve veri analizi süreçlerini daha etkili hale getirir. Genel olarak, dplyr paketi R kullanıcılarına veri manipülasyon işlemlerini daha hızlı, daha okunabilir ve daha etkili bir şekilde gerçekleştirmelerine olanak tanır. Bu nedenle, R programlamada veri işleme ve analizinde sıklıkla kullanılan önemli bir araçtır.
Dplyr, R programlama dilinde veri işleme ve analizini kolaylaştıran bir pakettir. İşte temel prensipleri: Veri Setini İçeri Aktarma: Veri setini içeri aktarmak için read.csv(), read_excel() veya benzeri fonksiyonları kullanabilirsiniz. Örneğin, cbs_data <- read.csv(“veriseti.csv”) ile bir CSV dosyasını içeri aktarabilir. Örneğin, cbs_data %>% select(country, year, EN.ATM.CO2E.KT) ile sadece “country”, “year” ve “EN.ATM.CO2E.KT” sütunlarını seçebilirsiniz. cbs_data %>% filter(year >= 2000) ile 2000 yılından sonraki verileri filtreleyebilir.
Dplyr Fonksiyonları
Dplyr, altı temel fonksiyon içerir: select(): Belirli sütunları seçmek için. mutate(): Yeni sütunlar oluşturmak veya mevcut sütunları değiştirmek için. filter(): Belirli koşullara uyan satırları filtrelemek için. arrange(): Sıralama yapmak için. summarize(): İstatistiksel özetler oluşturmak için.
Dplyr, veri işleme ve analizinde güçlü bir araçtır
ornek 2 (tidyr paketi)
tidyr: Veri temizleme ve dönüştürme için kullanılır. Veri çerçevelerinde geniş veya uzun formata dönüştürme, eksik değerlerle başa çıkma gibi işlemleri sağlar.
“tidyr”, R programlama dilinde veri temizleme ve dönüştürme işlemleri için kullanılan bir pakettir. Veri analizi sırasında, veri setlerinin bazen düzensiz veya karmaşık bir yapıya sahip olması yaygındır. Bu durumda, veriyi analiz etmek ve modele sokmak için veriyi temizlemek ve düzenlemek önemlidir. İşte tidyr paketinin önemli olduğu bazı noktalar: -Veri Düzenleme ve Yapılandırma -Eksik Değerlerle Başa Çıkma -Veri Setlerini Birleştirme -Geniş Formatı Uzun Formata Dönüştürme -Veri Temizleme ve Hazırlık
Tidyr, veri çerçevelerini dönüştürmek ve düzenlemek için kullanılan bir R paketidir.
Tidyr’ı yüklemek için en kolay yol, tidyverse paketini tamamen yüklemektir: install.packages(“tidyverse”). Alternatif olarak, sadece tidyr’ı yükleyebilir: install.packages(“tidyr”). GitHub’dan geliştirme sürümünü yüklenir: pak::pak(“tidyverse/tidyr”)
-Uzun (long) ve geniş (wide) veri formatları arasında dönüşüm yapar.
Tidyr, veri düzenleme için tasarlanmıştır ve genel yeniden şekillendirme (reshape2) veya genel birleştirme (reshape) için değil. data.table, melt() ve dcast() fonksiyonlarının yüksek performanslı uygulamalarını sunar.
ornek 3 (stringr paketi)
stringr: Metin verileri üzerinde işlem yapmak için kullanılır. Dizeleri arama, değiştirme, bölme gibi işlemleri gerçekleştirmek için kullanılır.
“stringr”, R programlama dilinde metin işleme ve manipülasyonu için kullanılan bir pakettir. Metin verileri, birçok veri analizi ve makine öğrenimi projesinde önemli bir rol oynar. “stringr” paketi, metin verileri üzerinde çeşitli işlemler gerçekleştirmek için kullanılır ve R programlama dilinde metin verileriyle çalışmayı kolaylaştırır.
stringr paketi R kullanıcıları için metin verileriyle çalışmayı kolaylaştırır ve veri analizi sürecinde önemli bir araçtır. Metin verileri üzerinde düzenleme, arama ve manipülasyon işlemleri yapmak için yaygın olarak kullanılır.
ornek 4 (leaflet paketi)
leaflet paketi, coğrafi verileri görselleştirmek için kullanılır. Kullanıcılar, dünya haritası, ülke haritaları, bölge haritaları veya hatta özel haritalar oluşturabilirler. Bu haritalar üzerinde veri tabanlı işaretler, çizgiler, çokgenler ve diğer öğeler ekleyebilir ve bunları etkileşimli hale getirebilirler.
leaflet ile oluşturulan haritalar genellikle web tarayıcıları üzerinde görüntülenir ve kullanıcılar harita üzerinde gezinebilir, yakınlaştırabilir, uzaklaştırabilir ve haritadaki işaretlere tıklayarak ek bilgi alabilirler. Bu özellikler, coğrafi verileri görselleştirmek ve anlamak için güçlü bir araç seti sunar.
leaflet paketi, R kullanıcılarına coğrafi veri analizi ve görselleştirmesi için esnek bir çözüm sunar. Çeşitli endüstrilerde, coğrafi veri analizi, jeoloji, çevre bilimi, ulaşım planlaması ve pazarlama gibi alanlarda kullanılır.
Leaflet, R programlama dili için interaktif harita oluşturmayı sağlayan bir pakettir. Bu paket, basit harita görselleştirmelerinden daha karmaşık ve etkileşimli harita uygulamalarına kadar geniş bir yelpazede kullanılabilir. Leaflet, modern web teknolojilerini kullanarak haritalar oluşturur ve bu sayede kullanıcılara interaktif özellikler sunar.
leaflet: Harita görselleştirmesi için kullanılır. Haritalar üzerinde veri tabanlı gösterimler oluşturmak için kullanılır.
library(WDI)R’de library(WDI) komutu Dünya Bankası (World Bank) verilerini R içine çekmek için kullanılan WDI (World Development Indicators) paketini yükler. Kısaca: ülkeler, yıllar ve göstergeler bazında ekonomik–sosyal verileri indirmeni sağlar.
## Warning: le package 'WDI' a été compilé avec la version R 4.3.3data_wdi <- WDI(country = "all", indicator = c("EG.ELC.ACCS.ZS","EN.ATM.CO2E.KT"),start = 2000)## Warning in WDI(country = "all", indicator = c("EG.ELC.ACCS.ZS", "EN.ATM.CO2E.KT"), : The following indicators could not be downloaded: EN.ATM.CO2E.KT.
##
## Please make sure that you are running the latest version of the `WDI` package, and that the arguments you are using in the `WDI()` function are valid.
##
## Sometimes, downloads will suddenly stop working, even if nothing has changed in the R code of the WDI package. ("The same WDI package version worked yesterday!") In those cases, the problem is almost certainly related to the World Bank servers or to your internet connection.
##
## You can check if the World Bank web API is currently serving the indicator(s) of interest by typing a URL of this form in your web browser:
##
## https://api.worldbank.org/v2/en/country/all/indicator/EN.ATM.CO2E.KT?format=json&date=:&per_page=32500&page=1str(data_wdi)## 'data.frame': 6650 obs. of 5 variables:
## $ country : chr "Africa Eastern and Southern" "Africa Eastern and Southern" "Africa Eastern and Southern" "Africa Eastern and Southern" ...
## $ iso2c : chr "ZH" "ZH" "ZH" "ZH" ...
## $ iso3c : chr "AFE" "AFE" "AFE" "AFE" ...
## $ year : int 2024 2023 2022 2021 2020 2019 2018 2017 2016 2015 ...
## $ EG.ELC.ACCS.ZS: num NA 50.7 48.8 48.1 46.3 ...
## ..- attr(*, "label")= chr "Access to electricity (% of population)"
## - attr(*, "lastupdated")= chr "2025-12-19"
## - attr(*, "label")= chr [1:6650] "Access to electricity (% of population)" "Access to electricity (% of population)" "Access to electricity (% of population)" "Access to electricity (% of population)" ...KKKKK
library(explore)KKKKK
## Warning: le package 'explore' a été compilé avec la version R 4.3.3“Explore” işlevi, veri setinin genel yapısını ve özelliklerini anlamak için kullanıcıya geniş bir bakış sunar ve daha derinlemesine analizler yapmak için temel bir adım olabilir.
describe_all(data_wdi)## # A tibble: 5 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 country chr 0 0 266 NA NA NA
## 2 iso2c chr 0 0 266 NA NA NA
## 3 iso3c chr 0 0 262 NA NA NA
## 4 year int 0 0 25 2000 2012 2024
## 5 EG.ELC.ACCS.ZS dbl 363 5.5 1923 0.8 80.9 100KKKK
## Ekstra veri
Ekstra_veri <- WDI_data$countryKKKKK
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.6
## ✔ forcats 1.0.1 ✔ stringr 1.6.0
## ✔ ggplot2 4.0.1 ✔ tibble 3.3.0
## ✔ lubridate 1.9.4 ✔ tidyr 1.3.2
## ✔ purrr 1.2.0
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorsKKKKK
data_Ekstra <- left_join(data_wdi, Ekstra_veri)## Joining with `by = join_by(country, iso2c, iso3c)`## Joining with `by = join_by(country, iso2c, iso3c)KKKKK
data_Ekstra <- data_Ekstra %>% filter(region != "Aggregates" )KKKK
library(dplyr)KKKKKK
data_Ekstra %>% describe_all()## # A tibble: 11 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 country chr 0 0 215 NA NA NA
## 2 iso2c chr 0 0 215 NA NA NA
## 3 iso3c chr 0 0 215 NA NA NA
## 4 year int 0 0 25 2000 2012 2024
## 5 EG.ELC.ACCS.ZS dbl 288 5.4 856 0.8 81.6 100
## 6 region chr 0 0 7 NA NA NA
## 7 capital chr 0 0 210 NA NA NA
## 8 longitude chr 0 0 210 NA NA NA
## 9 latitude chr 0 0 210 NA NA NA
## 10 income chr 0 0 5 NA NA NA
## 11 lending chr 0 0 4 NA NA NAdata_wdi_TCD_TUR <-data_wdi %>% filter(iso3c %in% c("TCD" , "TUR"))KKKK
library(ggplot2)Bu kod, “TCD” (Çad) ve “TUR” (Türkiye) ülkelerinin yıllara göre “EN.ATM.CO2E.KT” (birim başına CO2 emisyonu) değişimini gösteren bir çizgi grafiği oluşturur. Çizgi grafiği, her bir ülkeyi farklı renkte temsil ederek karşılaştırmayı sağlar.
ggplot(data_wdi_TCD_TUR, aes(year, EN.ATM.CO2E.KT, color = country)) + geom_line() + labs(x = “Year”, y = “EG”, title = “EN.ATM.CO2E.KT TCD and TUR”)
## Warning: Removed 6 rows containing missing values or values outside the scale range
## (`geom_line()`).library(tibble)print(data_wdi_TCD_TUR)## country iso2c iso3c year EG.ELC.ACCS.ZS
## 1 Chad TD TCD 2024 NA
## 2 Chad TD TCD 2023 12.0
## 3 Chad TD TCD 2022 11.7
## 4 Chad TD TCD 2021 11.3
## 5 Chad TD TCD 2020 10.9
## 6 Chad TD TCD 2019 8.4
## 7 Chad TD TCD 2018 10.1
## 8 Chad TD TCD 2017 10.9
## 9 Chad TD TCD 2016 9.2
## 10 Chad TD TCD 2015 7.7
## 11 Chad TD TCD 2014 8.4
## 12 Chad TD TCD 2013 8.1
## 13 Chad TD TCD 2012 7.8
## 14 Chad TD TCD 2011 9.0
## 15 Chad TD TCD 2010 6.4
## 16 Chad TD TCD 2009 6.3
## 17 Chad TD TCD 2008 5.9
## 18 Chad TD TCD 2007 5.5
## 19 Chad TD TCD 2006 5.1
## 20 Chad TD TCD 2005 4.8
## 21 Chad TD TCD 2004 3.5
## 22 Chad TD TCD 2003 4.1
## 23 Chad TD TCD 2002 3.8
## 24 Chad TD TCD 2001 3.4
## 25 Chad TD TCD 2000 3.1
## 26 Turkiye TR TUR 2024 NA
## 27 Turkiye TR TUR 2023 100.0
## 28 Turkiye TR TUR 2022 100.0
## 29 Turkiye TR TUR 2021 100.0
## 30 Turkiye TR TUR 2020 100.0
## 31 Turkiye TR TUR 2019 100.0
## 32 Turkiye TR TUR 2018 100.0
## 33 Turkiye TR TUR 2017 100.0
## 34 Turkiye TR TUR 2016 100.0
## 35 Turkiye TR TUR 2015 100.0
## 36 Turkiye TR TUR 2014 100.0
## 37 Turkiye TR TUR 2013 100.0
## 38 Turkiye TR TUR 2012 100.0
## 39 Turkiye TR TUR 2011 100.0
## 40 Turkiye TR TUR 2010 100.0
## 41 Turkiye TR TUR 2009 99.7
## 42 Turkiye TR TUR 2008 99.7
## 43 Turkiye TR TUR 2007 99.7
## 44 Turkiye TR TUR 2006 99.7
## 45 Turkiye TR TUR 2005 99.7
## 46 Turkiye TR TUR 2004 99.7
## 47 Turkiye TR TUR 2003 99.8
## 48 Turkiye TR TUR 2002 99.8
## 49 Turkiye TR TUR 2001 99.9
## 50 Turkiye TR TUR 2000 99.9Kesit veri
data_kesitveri <- data_Ekstra%>%filter(year == 2019)KKKK
data_kesitveri_CNveINsiz <- data_kesitveri %>% filter(iso2c !="CN")KK
data_kesitveri_CNveINsiz <- data_kesitveri_CNveINsiz %>% filter(iso2c !="IN")KKK
data_kesitveri_CNveINveUSsiz <- data_kesitveri_CNveINsiz %>% filter(iso2c !="US")KKKK
data_kesitveri_CNveINveUSveRUsiz <- data_kesitveri_CNveINveUSsiz %>% filter(iso2c !="RU")KKKKKK
data_kesitveri_CNveINveUSveRUveJPsiz <- data_kesitveri_CNveINveUSveRUsiz %>% filter(iso2c !="JP")Bu ifade, “data_kesitveri_CNveINveUSveRUveJPsiz” adlı bir veri çerçevesi kullanılarak ggplot2 paketinin grafik oluşturma işlevlerini kullanarak bir nokta grafiği oluşturulduğunu belirtir. ggplot() işlevi, temel grafik nesnesini oluştururken “data_kesitveri_CNveINveUSveRUveJPsiz” veri çerçevesini kullanır. aes() işlevi, x ve y eksenlerinin hangi değişkenlere bağlanacağını belirtir. Bu örnekte, “EG.ELC.ACCS.ZS” değişkeni x eksenine bağlanırken “EN.ATM.CO2E.KT” değişkeni y eksenine bağlanır. Ayrıca, “iso2c” değişkeni label (etiket) olarak kullanılacak ve “region” değişkeni renk olarak belirlenecek. geom_point() işlevi, nokta grafiği oluşturmak için kullanılır. Bu ifade, “EG.ELC.ACCS.ZS” ve “EN.ATM.CO2E.KT” değişkenlerine göre nokta grafiği oluşturmayı ifade eder. geom_text() işlevi, her noktanın üzerine etiket yazmak için kullanılır. Bu ifade, “iso2c” değişkeni kullanarak noktaların üzerine ülke kodlarının yazılmasını ifade eder. Sonuç olarak, bu ifade “data_kesitveri_CNveINveUSveRUveJPsiz” veri çerçevesi üzerinde “EG.ELC.ACCS.ZS” ve “EN.ATM.CO2E.KT” değişkenlerine göre bir nokta grafiği oluşturmayı ifade eder. Ayrıca, her noktanın üzerinde ilgili ülke kodunu gösteren bir etiket bulunur. Noktalar, “region” değişkenine göre renklendirilmiştir.
Dunya toplam verisi olusturma
2019 yılına kadar küresel CO2 emisyonlarının 33 milyar ton civarında olduğu tahmin ediliyordu. Ancak bu rakam yıllara göre değişebilir ve farklı kuruluşlar tarafından farklı tahminler sunulabilir. Özellikle 2020 ve sonrasındaki COVİD-19 pandemisi gibi olaylar, sera gazı emisyonları üzerinde önemli miktarda sahip olduğumuz olaylar olmuş olabilir.
Enerji Tüketimi, elektrik, ısıtma, ulaşım, endüstriyel üretim ve diğer davranışları için kullanılan enerji miktarını temsil eder. - CO2 Emisyon Faktörü, kullanılan enerji kaynaklarına ve enerjinin dönüşümüne bağlı olarak değişir. Örneğin, kömür gibi fosil yakıtların yanması genellikle yüksek CO2 emisyonlarına neden olur, rüzgar veya güneş gibi ayrılabilir enerji kaynakları neredeyse hiç CO2 üretmez. Toplam dünya CO2 emisyonunu hesaplamak için, dünya genelindeki enerji tüketimini ve ortalama CO2 emisyon faktörünü dikkate alarak bu formülü kullanabilirsiniz. Toplam dünya CO2 emisyonunu doğrudan hesaplamak için basit bir formül mevcut değildir, çünkü bu emisyonlar birçok faktörden etkilenir ve karmaşık bir hesaplamayı gerektirir. Ancak, genel olarak, dünya genelindeki CO2 emisyonlarını tahmin etmek için aşağıdaki gibi bir yaklaşım kullanılabilir:
Toplam CO2 Emisyonu= ∑(Ülkelerin CO2 Emisyonları)
Toplam dünya CO2 emisyonunu kesin olarak belirlemek için, bu hesaplamaları yapmak ve ardından tüm ülkelerin emisyonlarını toplamak gerekir. Ancak, bu karmaşık bir süreçtir ve genellikle uluslararası enerji ajansları ve bilimsel araştırma enstitüleri tarafından gerçekleştirilir. Bu nedenle, spesifik verilere ulaşmak için bu kuruluşların yayınladığı raporları takip etmek önemlidir.
-toplam dunya emisyonu , toplam kulanan elektrisiteher sene icin dunya kisi basi ne kardar enerji tuketilmis
## Warning: Removed 2 rows containing missing values or values outside the scale range
## (`geom_line()`).## Warning: Removed 2 rows containing missing values or values outside the scale range
## (`geom_line()`).