Baslangic
R Studio ve ilk kodlar
Elektrik Talep Analizi - (Histogram)
Elektrik Talep Analizi - (Filtreleme)
Elektrik Talep Analizi - (Verinin Bilesenleri)
Elektrik Talep Analizi - (Programlamaya Giris)
Dogrusal Regresyon ile Elektrik Talebi
Ussel Duzgunlestirme ve STL ile Elektrik Talebi
Elektrik Talebinde Farkli Periyodlar (ARIMA ve TBATS)
2015-2024 - Aylik Dogalgaz Talebi
NOAA'dan gunluk sicaklik verilerine erisim
TCMB(Merkez Bankasi) verilerine erisim
EIA (ABD Eneji Bilgi Dairesi) verilerine erisim
Dunya Bankasi verileri, otomatik modelleme, ggplot2 ve tema
Merkez Bankasi ile EIA verileri birarada: Akaryakit fiyatlari
Enflasyon ve Akaryakit Iliskisini inceleme
R/Ders3 www.barissanli.com

R ile Enerji Analizi – Bölüm 3 – Veri Filtreleme ve Analizi

 

Özet: Bu bölümde R’daki veri filtreleme ve veriyi parçalara ayırma komutlarına bir giriş yapılıyor. Ardından renklendirme diğer grafikleme komutları ile veri analizi konusu detaylandırılıyor.

Komutlar

str()

subset()

hist()

as.data.frame(table(<veri>))

library(car)

plot()

density()

scatterplotMatrix

palette()

legend()

3.0. Veriyi yüklemek

Bir önceki derste olduğu gibi veri dosyamızı tekrar yükleyelim.

veri=read.csv("http://www.barissanli.com/calismalar/dersler/r/elektrik-talep.csv", header=TRUE,sep=";",dec=".")

Artık veri dosyamız  R Studio’dan erişilebilir.

3.1. Veriyi Filtrelemek

Öncelikle en basit olanından başlayalım, ikinci derste veri dosyamızın bir çok sütundan oluştuğunu görmüştük. Bu sütunlar tarihsel veriler, sıcaklık verileri ve tüketim verilerinden oluşmaktaydı.

Bir kez daha verileri görmek için

str(veri)

Yazmak yeterli olacaktır.

Verilerimizi standart R komutları ile 3 alt başlıkta filtreleyebiliriz:

Veri[veri[,”<sütun_ismi>”] > sayı,] : Burada büyüktür (>) işareti yerine <,== (eşittir), işaretleri de kullanılabilir.

Ör:

veri[veri[,"yil"]==2007,]       # sadece 2007 yılını seçtik

veri[veri[,"yil"]<=2009,]   # 2009 yılından küçük yılları seçtik

veri[veri[,"haftagunu"]>=6,]  # sadece haftasonunu seç Pazartesi=1..Pazar=7

 
 

veri[veri$sütun_ismi> sayı,] : yukarıdaki notasyonun biraz farklı yazılan şeklidir.

Ör:

veri[veri$ay==3,]      # her yıl için sadece mart ayı

veri[veri$haftano>32 | veri$haftano<12,]  # Haftanosu 12’den az ve 32’den çok

 
 

subset(veri, sütun_ismi>sayı)  : subset komutu kullanınca, artık $ işareti kullanmaya gerek kalmıyor.

Ör:

subset(veri,ay==12)

subset(veri,ortalama_tuketim>30000)

Ben bu noktadan sonra daha çok “$”’lı notasyonu kullanacağım, yazması zor ama akılda kalması en kolay olan yöntem bu. İkinci sırada da subset komutunu kullanacağım.

Burada dikkat etmemiz gereken bir şey var. Verimiz veri[satır,sütun] şeklinde olmasına rağmen biz koşulu satır tarafına, yani virgülün soluna yazıyoruz. Yukarıda göstermememize rağmen, sütun sayısı girerek de , filtrelemelerde belirli sütunları seçebiliriz.

Ör:

veri[veri$ay==3,]     # Mart ayı için tüm sütunları listele

veri[veri$ay==3, "gunluk_tuketim"]     # her yıl mart ayı için günlük tüketim verileri

veri[veri$ay==3, 11]       # günlük tüketim’in sütun numarasını girerek istedik.

 

 
 

3.2. Filtrelenmiş Veri İle Bazı İşlemler / Histogram

Filtreleme tek başına pek bir anlam taşımıyor olabilir, bunun için önce bir soruya filtreleme ile cevap arayalım.

Soru: Puant talebin 32000 MW’ın üzerinde olduğu aylar, haftanın günleri ve haftalar hangi haftalar, istatistiksel dağılımı ne?

Cevap:

Önce 32000 MW  üzerindeki veri setimizi bir değişkene yükleyelim

puant32=veri[veri$puant_tuketim>=32000,]

Þimdi  Puant tüketimin 32000MW üzerinde olan ayların, hafta günlerinin ve hafta nolarının histogramlarına bakalım.

Önce yüksek puantların aylara göre dağılımına bakalım.

hist(puant32$ay)

 

Görüldüğü üzere yüksek puantlar, daha çok 8. Ay/Ağustosta  toplanmış gözükmekte, sonra ise Temmuz ve Aralık ayları neredeyse birbirine çok yakın.

Bir de haftanın günlerine bakalım…

hist(puant32$haftagunu)

Yukarıdaki grafik nispeten anlamsız oldu, çünkü 7 gün için kırılım miktarı bir sorun oluşturdu. Haftanın 7 günden oluştuğunu yani 1’den 7’ye kadar oluştuğunu histogram komutuna bildirmemiz gerekiyor.

hist(puant32$haftagunu,breaks=7)

 

DİKKAT: Fakat sonuç doğru değil…

İlk bakışta sanki Pazartesi günleri puant tüketim olma ihtimali daha yüksekmiş gibi gözüküyor. Oysa saydırmak için bir başka komutu denememiz gerek.

3.3. Kaç gün belirlediğimiz kritere uyuyor? Sayısal olarak değer okuma

Bunun için as.data.frame komutunu table komutu ile birleştirmemiz yeterli.

as.data.frame(table(puant32$haftagunu))

 

 

Görüldüğü üzere yüksek talep genelde hep haftaiçine denk gelmekte çok ender olarak hafta sonunda olmaktadır.

Bir de en çok hangi aylara denk geldiğine “as.data.frame” komutu ile bakalım.

as.data.frame(table(puant32$ay))

 

Görüldüğü üzere, en çok puant tüketim Ağustos’ta (34 sefer), sonra aralık ve Temmuz’da olmaktadır.

 

3.4. Histogramı Geliştirmek

Bu noktada benim önerim daima

plot(density….)

komutunu ver formatını kullanmanız, çünkü histogramda data seti küçük ise, veri aralıkları kayabiliyor. Bu sebeple veri aralıklarını dışardan sizin girmeniz en sağlıklı sonucu verir. Hafta günleri 1’den başlıyor ve 7’de bitiyor. O yüzden aralığı 0’dan 8’e belirliyoruz

hist(puant32$haftagunu,freq=TRUE,breaks=c(0,1,2,3,4,5,6,7,8))

 

Bu şekilde gerçek ve DOÐRU grafiğe erişmiş olduk. Aynı şeyi bir de plot(density formatı ile yapalım.

plot(density(puant32$haftagunu))

3.5. Parametrelerin Birbiri İle İlişkisini Görmek

Verimiz 13 sütun ve 1826 satırdan oluşmaktaydı. R Studio’da bunu sağ üstteki panelde “Environment” sekmesinden “veri” ye çift tıklayarak da görebiliriz.

Verilerin birbiri ile ilişkisini görmek için bir çok yöntem var ama ben en kolayı ile başlamayı tercih ediyorum. Kullanacağımız komut “car” kütüphanesinin içinde, önce o kütüphaneyi çağırıyoruz. Sonra da scatterplotMatrix komutunu kullanmak gerekecek

DİKKAT: sakın komutu bu şekilde çağırmayın, tüm verileri birbirine göre çizmeye çalışması 10 dakika sürebilir.

scatterplotMatrix, tüm verileri birbirine göre grafikler, fakat bu çok zaman alabilir. Onun yerine beğendiğimiz üç-dört tanesini almamız daha mantıklı olacaktır.

Bu istediğimiz sütunları da bir vektör olarak veri setimizin sütun hanesine gireriz.

İstediğimiz sütunları c(“sütun1”,”sütun2”,”sütun3”) şeklinde veri[,vektör] şeklinde ekleyerek, aynı anda bir çok grafiğe sahip olabiliriz.

library(car)

scatterplotMatrix(veri[,c("haftagunu","haftano","ortalama_tuketim")])

 

Görüldüğü üzere hafta no ile ortalama tüketim arasında ilginç bir ilişki vardır.

Bu grafiğimize yakından bakalım

plot(veri$haftano,veri$ortalama_tuketim)

 

Geçen sefer öğrendiğimiz yöntemlerle biraz güzelleştirelim.Daha önceki plot komutlarına göre noktalarımızı da biraz küçültelim. Bunun için “cex=0.5” komutunu da ekliyoruz.

plot(veri$haftano,veri$ortalama_tuketim,pch=19,cex=0.5)

Bundan sonra ise artık analizimizi biraz renklendirelim.

 

3.6. Talebin Aylara Göre Değişimini Görmek/ Plot ve veriye göre renkler

Veri filtrelemeyi kısaca gördüğümüz gibi, şimdi de biraz daha yararlı şeyler yapalım. Bunun için plot fonksiyonunu kullanacağız.

Plot fonksiyonunun parametrelerinden biri de renklerin parametresi olan “col” parametresidir.

Eğer istersen col parametresini, bir başka veri parametresine eşitleyebiliriz. Deneyelim

Soru: Talebimizin  sıcaklıkla değişimini aylara göre renklendirirsek nasıl bir grafik çıkar

Bunun için x eksenimiz ortalama_sicaklik, y eksenimiz, ortalama_tuketim ve renk değerlerimiz de ay verisi olacak:

Önce 2007 yılı için yapalım.

plot(veri[veri$yil==2007,9],col=veri$ay)

Grafiğimizi biraz geliştirelim, dolu yuvarlak ve 0.5 ağırlık (pch ve cex) komutları

plot(veri[veri$yil==2007,9],col=veri$ay,pch=19,cex=0.5)

 

Eğer grafikten memnun isek şimdi de rengini biraz daha güzelleştirmeye çalışalım. Bunun için palette() komutunu kullanacağız.

3.7. Palette Kullanımı

R’da renk seçiminde palette komutu ile tanımlı birkaç palette’den birini kullanabilirsiniz.

Standart ilk açılış renklerine dönmek için

palette(“default”)

yazmanız yeterli.

R’da tanımlı paletlerden en popülerlerden biri rainbow paletidir. Yani gökkuşağı. Yukarıdaki plot komutunu yazmadan önce, paletimizi gökkuşağına ayarlayalım.

palette(rainbow(12))

plot(veri[veri$yil==2007,9],col=veri$ay,pch=19,cex=0.5)

Diğer paletler için

palette(heat.colors(12))

veya

palette(terrain.colors(12))

 

ile denemeler yapabilirsiniz.

3.8.Renk Paletini Değiştirmek/Talebin Yıllara Göre değişimini görmek

Þimdi tüm talebin sıcaklıkla değişiminin yıllara göre nasıl hareket ettiğini görmeye çalışalım.

Önce paletimizi rainbow’a ayarlayalım.

palette(rainbow(12))

Gökkuşağı paletine ayarladıktan sonra, x eksenine ortalama_sicaklik, y eksenine de ortalama tüketimi verelim.

“col=” yeni renk komutumuza da yılları vereceğiz, fakat yıllarımız 2007’den başladığından, yıldan 2006 çıkararak, 2007 yılına karşılık gelecek renk kodunu “1”’e çeviriyoruz.

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19)

Evet, grafiğimiz biraz daha güzel oldu hem de yıllara göre ortalama sıcaklığa tepki veren tüketimin zamanla yukarı doğru hareket ettiğini görmüş olduk.

Geriye tek bir şey kalıyor: Hangi renk hangi yıl?

3.9. Legend Eklemek (Gösterge)

Legend eklemek için kullanacağımız komut “legend”

legend(“<pozisyon>”,inset=.05, title=”<legend başlığı>”, vektör formatında legend renk karşılıkları değerler, fill=<değerlere karşılık gelen renkler>)

Burada hazırlayacağımız grafik için,

-          Bir sefere mahsus paletimizi 12 renklik rainbow(gökkuşağı) paletine set ediyoruz

-          Grafiğimizi yıllara göre renklendirerek çiziyoruz

-          Legend için de vektör olarak 2007,2008,2009,2010,2011 i tanımlayarak, karşılık gelen renkleri de palette(rainbow(12)) ile belirtiyoruz.

Sonuç şu şekilde oluyor.

palette(rainbow(12))

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19)

legend("bottomright",inset=.05,title="Yıllar",c("2007","2008","2009","2010","2011"),fill=palette(rainbow(12)))

 

 

Bir de bunun daha küçük noktalısını çizelim

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19,cex=0.45)

 

 

3.10. Bölüm Sonu

Bu bölümde, veri filtrelemeyi, plot fonksiyonu ile renklendirmeyi, verilerin alt kümelerini birbirine karşı çizdirmeyi ve grafiklerimizi detaylandırmayı öğrendik.

 

Komutlar

veri=read.csv("http://www.barissanli.com/calismalar/dersler/r/elektrik-talep.csv", header=TRUE,sep=";",dec=".")

head(veri[veri[,"haftagunu"]>=6,])

head(veri[veri$ay=3,])

head(veri[veri$ay==3,])

head(veri[veri$haftano>32 | veri$haftano<12,])

plot(veri[veri$haftano>32 | veri$haftano<12,11])

plot(veri[veri$haftano>32 | veri$haftano<12,12])

head(subset(veri,ay==12))

head(subset(veri,ortalama_tuketim>30000))

veri[veri$ay==3, gunluk_tuketim]

veri[veri$ay==3, veri$gunluk_tuketim]

veri[veri$ay==3, "gunluk_tuketim"]

View(veri)

View(veri)

veri[veri$ay==3, 11]

puant32=veri[veri$puant_tuketim>=32000,]

hist[puant32$ay]

hist(puant32$ay)

hist(puant32$haftagunu)

hist(puant32$haftagunu,30)

hist(puant32$haftagunu,breaks=13)

hist(puant32$haftagunu)

hist(puant32$haftagunu,breaks=7)

hist(puant32$haftagunu,breaks=6)

hist(puant32$haftagunu,breaks=8)

hist(puant32$haftagunu,breaks=7)

describe(puant32$haftagunu)

summary(puant32$haftagunu)

density(puant32$haftagunu)

tapply(puant32$haftagunu, function(x) length(unique(x)))

tapply(puant32$haftagunu,c(1,2,3,4,5,6,7), function(x) length(unique(x)))

tapply(puant32$haftagunu,puant32$haftagunu, function(x) length(unique(x)))

pzt=puant32["haftagunu"==1]

pzt=puant32["haftagunu"==2]

pzt=puant32["haftagunu"==3]

pzt=puant32["haftagunu"==4]

pzt=puant32["haftagunu"==5]

pzt=puant32["haftagunu"==6]

pzt=puant32["haftagunu"==7]

length(puant32["haftagunu"==1])

length(puant32["haftagunu"==2])

puant32["haftagunu"==2]

puant32["haftagunu"==2,1]

puant32[puant32$haftagunu==2,1]

length(puant32[puant32$haftagunu==2,1])

length(puant32[puant32$haftagunu==2,2])

length(puant32[puant32$haftagunu==1,2])

length(puant32[puant32$haftagunu==3,2])

length(puant32[puant32$haftagunu==4,2])

length(puant32[puant32$haftagunu==4,])

length(puant32[puant32$haftagunu==1,])

length(puant32[puant32$haftagunu==2,])

puant32[puant32$haftagunu==2,]

d=density(puant32$haftagunu)

d

str(d)

d=density(puant32$haftagunu,break=7)

d=density(puant32$haftagunu,breaks=7)

plot(density(puant32$haftagunu))

hist(puant32$haftagunu,breaks=7)

hist(puant32$haftagunu,breaks=7,x=c(1,2,3,4,5,6,7))

hist(puant32$haftagunu,breaks=8)

as.data.frame(table(puant32$haftagunu))

as.data.frame(table(puant32$puant_tuketim))

as.data.frame(table(puant32$haftagunu))

bins=seq(1,7,by=range)

bins=seq(1,7,by=1)

hist(puant32$haftagunu,breaks=bins)

str(puant32)

hist(puant32$haftagunu,freq=TRUE,breaks=bins)

hist(puant32$haftagunu,freq=TRUE,breaks=c(1,2,3,4,5,6,7))

hist(puant32$haftagunu,freq=TRUE,breaks=c(0,1,2,3,4,5,6,7))

as.data.frame(table(puant32$puant_tuketim))

as.data.frame(table(puant32$haftagunu))

as.data.frame(table(puant32$ay))

veri["puant_tuketim">32000,2]

veri[veri$puant_tuketim>32000,2]

veri[veri$puant_tuketim>32000,c(2,3]

veri[veri$puant_tuketim>32000,c(2,3)]

plot(veri["yil"==2011 & "ay"==1])

plot(veri[veri$yil==2011 & veri$==1])

plot(veri[veri$yil==2011 & veri$==1,1])

plot(veri[veri$yil==2011 & veri$ay==1,1])

plot(veri[veri$yil==2011 & veri$ay==1,10])

plot(veri[veri$yil==2011 & veri$ay==1,10],col=ifelse(veri[,10]>32000,"blue","red"))

plot(veri[veri$yil==2011 & veri$ay==1,10],col=ifelse(>32000,"blue","red"))

plot(veri[veri$yil==2011 & veri$ay==1,10],col=ifelse(veri$puant_tuketim>32000,"blue","red"))

plot(veri[veri$yil==2011 & veri$ay==1,veri$puant_tuketim],col=ifelse(veri$puant_tuketim>32000,"blue","red"))

plot(veri[veri$yil==2011 & veri$ay==1,11],col=ifelse(veri$puant_tuketim>32000,"blue","red"))

plot(veri[veri$yil==2011 & veri$ay==1,10],col=ifelse(veri$puant_tuketim>32000,"blue","red"))

plot(veri[veri$yil==2011 & veri$ay==1,10],col=ifelse(veri$puant_tuketim>31000,"blue","red"))

plot(veri[veri$yil==2011 & veri$ay==1,10],col=ifelse(veri$puant_tuketim>21000,"blue","red"))

plot(veri[veri$yil==2011 && veri$ay==1,10],col=ifelse(veri$puant_tuketim>31000,"blue","red"))

plot(veri[((veri$yil==2011) & (veri$ay==1)),10],col=ifelse(veri$puant_tuketim>31000,"blue","red"))

plot(veri[((veri$yil==2011) & (veri$ay==1)),10],col=ifelse(veri$puant_tuketim>28000,"blue","red"))

hist(puant32$haftagunu,freq=TRUE,breaks=c(0,1,2,3,4,5,6,7))

plot(density(puant32$haftagunu))

library(cars)

library(car)

scatter3d(veri)

scatterplotMatrix(veri)

scatterplotMatrix(veri)

scatterplotMatrix(veri)

scatterplotMatrix(veri[c(4,5,7,8,9,10,12)])

scatterplotMatrix(veri["haftagunu","haftano","ortalama_tuketim"])

scatterplotMatrix(veri[c("haftagunu","haftano","ortalama_tuketim")])

scatterplotMatrix(veri[,c("haftagunu","haftano","ortalama_tuketim")])

cor(veri[,c("haftagunu","haftano","ortalama_tuketim")])

cor(veri[,c("haftagunu","haftano","ortalama_tuketim","puant_tuketim")])

cor(veri[,c("HDD","CDD","ortalama_tuketim","puant_tuketim")])

scatterplotMatrix(veri[,c("HDD","CDD","puant_tuketim","ortalama_tuketim")])

plot(veri$haftano,veri$ortalama_tuketim)

plot(veri$haftano,veri$ortalama_tuketim,pch="."

)

plot(veri$haftano,veri$ortalama_tuketim,pch=19,cex=0.5)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=veri$ay)

plot(veri$ortalama_tuketim,col=veri$ay)

plot(veri$ortalama_tuketim["yil"=2007],col=veri$ay)

plot(veri["yil"=2007,9],col=veri$ay)

plot(veri["yil"==2007,9],col=veri$ay)

plot(veri[veri$yil==2007,9],col=veri$ay)

plot(veri[veri$yil==2007,9],col=veri$ay,pch=19,cex=0.5)

legend(veri$ay)

legend(veri[veri$yil==2007,9],veri$ay)

legend("left",veri[veri$yil==2007,9],veri$ay)

legend("left",veri$ay)

legend("left","(veri[veri$yil==2007,9],veri$ay)")

legend("bottom",names(veri$ay))

legend("bottom",names(veri$ay),lty=2)

legend("bottom",names(veri$ay),lty=1,col=rainbow(n))

legend("bottom",names(veri$ay),lty=1,col=rainbow(veri$ay))

legend("bottom",names(veri$ay),lty=1,col=rainbow(max(veri$ay))

)

legend("bottom",names(veri$ay)[-1],lty=1,col=rainbow(max(veri$ay))

)

legend("bottom",names(veri$ay)[-1],lty=1,col=rainbow(max(veri$ay)))

legend('bottom',names(veri$ay)[-1],lty=1,col=rainbow(max(veri$ay)))

legend('topright',names(veri$ay)[-1],lty=1,col=rainbow(max(veri$ay)))

legend('topright',names(veri$ay)[-1],lty=1,col=rainbow(max(veri$ay)))

palette(rainbow(12))

plot(veri[veri$yil==2007,9],col=veri$ay,pch=19,cex=0.5)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=veri$yil,pch=19)

legend("topleft","Yıllar")

image.plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=veri$yil,pch=19)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=veri$yil,pch=19,)

legend('topleft',c(veri$yil))

legend('topleft',c("veri$yil"))

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=veri$yil,pch=19,)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=veri$yil,pch=19)

legend("topleft",inset=.05,title="Yıllar",c("2007","2008","2009","2010","2011"),fill=rainbox(2011))

legend("topleft",inset=.05,title="Yıllar",c("2007","2008","2009","2010","2011"),fill=rainbow(2011))

legend("topleft",inset=.05,title="Yıllar",c("2007","2008","2009","2010","2011"),fill=rainbow(12))

palette(rainbow(12))

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=veri$yil,pch=19)

legend("topleft",inset=.05,title="Yıllar",c("2007","2008","2009","2010","2011"),fill=palette(rainbow(12))

)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19)

legend("topleft",inset=.05,title="Yıllar",c("2007","2008","2009","2010","2011"),fill=palette(rainbow(12))

)

palette(rainbow(12))

legend("bottomright",inset=.05,title="Yıllar",c("2007","2008","2009","2010","2011"),fill=palette(rainbow(12)))

palette(rainbow(12))

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19)

legend("bottomright",inset=.05,title="Yıllar",c("2007","2008","2009","2010","2011"))

palette(rainbow(12))

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19)

legend("bottomright",inset=.05,title="Yıllar",c("2007","2008","2009","2010","2011"),fill=palette(rainbow(12)))

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19,cex=0.02)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19,cex=0.05)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19,cex=0.3)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19,cex=0.5)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19,cex=0.3)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19,cex=0.4)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19,cex=0.47)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19,cex=0.47)

?palette

plot(veri[veri$yil==2007,9],col=veri$ay,pch=19,cex=0.5)

palette(heat.colors(12))

plot(veri[veri$yil==2007,9],col=veri$ay,pch=19,cex=0.5)

palette(terrain.colors(12))

plot(veri[veri$yil==2007,9],col=veri$ay,pch=19,cex=0.5)

palette()

plot(veri[veri$yil==2007,9],col=veri$ay,pch=19,cex=0.5)

palette(null)

palette(rgb(12))

palette(rgb(255))

plot(veri[veri$yil==2007,9],col=veri$ay,pch=19,cex=0.5)

palette("default")

plot(veri[veri$yil==2007,9],col=veri$ay,pch=19,cex=0.5)

palette(rainbow(12))

plot(veri[veri$yil==2007,9],col=veri$ay,pch=19,cex=0.5)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,pch=19)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19)

palette(rainbow(12))

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19)

legend("bottomright",inset=.05,title="Yıllar",c("2007","2008","2009","2010","2011"),fill=palette(rainbow(12)))

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),type="l")

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),type="1)

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),type="1")

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),type="n")

plot(veri$ortalama_sicaklik,veri$ortalama_tuketim,col=(veri$yil-2006),pch=19,cex=0.45)