covid-19-data-analyses

# 🌍 COVID-19 Global Data Analysis

<div align="center">

![COVID-19](https://img.shields.io/badge/COVID--19-Data%20Analysis-red?style=for-the-badge)
![Python](https://img.shields.io/badge/Python-3.8+-blue?style=for-the-badge&logo=python)
![Jupyter](https://img.shields.io/badge/Jupyter-Notebook-orange?style=for-the-badge&logo=jupyter)
![Status](https://img.shields.io/badge/Status-Active-success?style=for-the-badge)

**Küresel COVID-19 verilerinin kapsamlı analizi ve görselleştirilmesi**

[📊 Demo](#-demo) • [🚀 Kurulum](#-kurulum) • [📈 Özellikler](#-özellikler) • [🔬 Bulgular](#-bulgular)

</div>

---

## 📋 İçindekiler

- [Proje Hakkında](#-proje-hakkında)
- [Veri Seti](#-veri-seti)
- [Özellikler](#-özellikler)
- [Kurulum](#-kurulum)
- [Kullanım](#-kullanım)
- [Proje Yapısı](#-proje-yapısı)
- [Araştırma Soruları](#-araştırma-soruları)
- [Teknolojiler](#-teknolojiler)
- [Bulgular](#-bulgular)
- [Geliştirme Fikirleri](#-geliştirme-fikirleri)

## 🦠 Proje Hakkında

Bu proje, Kaggle'dan alınan COVID-19 veri setini kullanarak küresel pandemi verilerini analiz eder ve görselleştirir. Python ve veri bilimi araçlarıyla:

- 📊 Vaka, ölüm ve iyileşme sayılarını analiz eder
- 🗺️ İnteraktif haritalarla coğrafi dağılımı gösterir
- 📈 Zaman serisi trendlerini inceler
- 🔍 Ülkeler ve bölgeler arası karşılaştırmalar yapar

## 📦 Veri Seti

**Kaynak:** [COVID-19 Dataset - Kaggle](https://www.kaggle.com/datasets/imdevskp/corona-virus-report)

**Dosya:** `covid_19_clean_complete.csv`

**İçerik:**
- 🌍 **Ülke/Bölge bilgileri** (Province/State, Country/Region)
- 📍 **Coğrafi koordinatlar** (Lat, Long)
- 📅 **Tarih bilgisi** (2020-01-22'den itibaren)
- 📊 **Vaka sayıları** (Confirmed, Deaths, Recovered, Active)
- 🌏 **WHO Bölgeleri** (Europe, Americas, Asia, vb.)

## ✨ Özellikler

### 📊 Veri Analizi
- ✅ Eksik veri analizi ve temizleme
- ✅ Ölüm ve iyileşme oranı hesaplama
- ✅ Günlük/haftalık trend analizi
- ✅ Bölgesel karşılaştırmalar

### 📈 Görselleştirmeler
- 📊 **Bar Charts:** En çok etkilenen ülkeler
- 📉 **Line Charts:** Zaman serisi trendleri
- 🗺️ **Choropleth Maps:** Dünya haritası üzerinde vaka dağılımı
- 🔴 **Interactive Maps:** Folium ile detaylı haritalar
- 📊 **Heatmaps:** Korelasyon analizleri

### 🎨 İnteraktif Görselleştirme
- Plotly ile zoom, pan, hover özellikleri
- Folium ile tıklanabilir haritalar
- Dinamik filtreleme ve sıralama

## 🚀 Kurulum

### Gereksinimler
- Python 3.8 veya üzeri
- pip (Python paket yöneticisi)

### Adım 1: Repository'yi Klonlayın
```bash
git clone https://github.com/KULLANICI_ADINIZ/covid19-global-analysis-ml.git
cd covid19-global-analysis-ml
```

### Adım 2: Sanal Ortam Oluşturun (Önerilen)
```bash
# Windows
python -m venv venv
venv\Scripts\activate

# macOS/Linux
python3 -m venv venv
source venv/bin/activate
```

### Adım 3: Paketleri Yükleyin
```bash
pip install -r requirements.txt
```

### Adım 4: Jupyter Notebook'u Başlatın
```bash
jupyter notebook notebooks/covid19_data_analysis.ipynb
```

## 💻 Kullanım

1. **Notebook'u açın:** `notebooks/covid19_data_analysis.ipynb`
2. **Hücreleri çalıştırın:** Tüm hücreleri sırayla çalıştırın (Shift+Enter)
3. **Sonuçları inceleyin:** Grafikler ve haritalar otomatik oluşturulur
4. **Özelleştirin:** Parametreleri değiştirerek farklı analizler yapın

### Örnek Kod
```python
import pandas as pd
import plotly.express as px

# Veriyi yükle
df = pd.read_csv('../data/covid_19_clean_complete.csv')

# En çok vaka görülen 10 ülke
top10 = df.groupby('Country/Region')['Confirmed'].max().sort_values(ascending=False).head(10)
print(top10)
```

## 📁 Proje Yapısı

```
covid-19-ml/
├── 📂 data/                          # Veri dosyaları
│   └── covid_19_clean_complete.csv
├── 📂 notebooks/                     # Jupyter Notebook'lar
│   └── covid19_data_analysis.ipynb
├── 📂 src/                           # Python modülleri (opsiyonel)
├── 📂 results/                       # Çıktılar (grafikler, haritalar)
│   ├── top10_countries.png
│   ├── global_trends.png
│   └── global_covid_map.html
├── 📄 requirements.txt               # Python bağımlılıkları
├── 📄 README.md                      # Bu dosya
└── 📄 .gitignore                     # Git ignore dosyası
```

## 🔬 Araştırma Soruları

Bu projede yanıtlanan temel sorular:

1. ❓ **En çok vaka görülen ülkeler hangileri?**
2. ❓ **Zaman içinde vaka artışı nasıl değişti?**
3. ❓ **Ölüm oranı en yüksek ülkeler hangileri?**
4. ❓ **Hangi kıta/bölge pandemiden en çok etkilendi?**
5. ❓ **İyileşme oranı en yüksek ülkeler hangileri?**
6. ❓ **Aktif vaka sayısının evrimi nasıl oldu?**
7. ❓ **WHO bölgeleri arasındaki farklar neler?**

## 🛠️ Teknolojiler

<div align="center">

| Kategori | Teknolojiler |
|----------|-------------|
| 🐍 **Dil** | Python 3.8+ |
| 📊 **Veri İşleme** | Pandas, NumPy |
| 📈 **Görselleştirme** | Matplotlib, Seaborn, Plotly |
| 🗺️ **Haritalar** | Folium, Plotly Express |
| 📓 **Notebook** | Jupyter Notebook |
| 🔧 **Diğer** | ipywidgets, kaleido |

</div>

## 📈 Bulgular

> **Not:** Notebook'u çalıştırdıktan sonra bu bölüm güncellenecektir.

### 🌍 Küresel Durum
- **Toplam Vaka:** X milyon
- **Toplam Ölüm:** Y bin
- **Toplam İyileşme:** Z milyon
- **Küresel Ölüm Oranı:** %A
- **Küresel İyileşme Oranı:** %B

### 🏆 En Çok Etkilenen Ülkeler
1. 🇺🇸 **ABD** - X vaka
2. 🇮🇳 **Hindistan** - Y vaka
3. 🇧🇷 **Brezilya** - Z vaka

### 🌏 Bölgesel Analiz
- **En çok etkilenen bölge:** Avrupa / Amerika
- **En az etkilenen bölge:** Okyanusya
- **En hızlı yayılan bölge:** [TBD]

## 🚀 Geliştirme Fikirleri

### 🔹 Gelecek Özellikler
- [ ] **Zaman serisi tahmini** (ARIMA, Prophet)
- [ ] **Makine öğrenmesi modelleri** (vaka tahmini)
- [ ] **Streamlit Dashboard** (web arayüzü)
- [ ] **Aşı verisi entegrasyonu**
- [ ] **Haftalık ortalama hesaplamaları**
- [ ] **Ülke bazında detaylı filtreleme**
- [ ] **GitHub Pages ile canlı harita yayını**
- [ ] **Otomatik güncellenme (API entegrasyonu)**

### 🎨 Geliştirme Önerileri
- Dash veya Streamlit ile interaktif dashboard
- GIF'ler ile README görselleştirme
- Docker container'ı hazırlama
- CI/CD pipeline kurulumu
- Unit test'ler ekleme

## 🤝 Katkıda Bulunma

Katkılarınızı bekliyoruz! 

1. Fork edin
2. Feature branch oluşturun (`git checkout -b feature/YeniOzellik`)
3. Değişikliklerinizi commit edin (`git commit -m 'Yeni özellik eklendi'`)
4. Branch'inizi push edin (`git push origin feature/YeniOzellik`)
5. Pull Request açın

## 📝 Lisans

Bu proje eğitim amaçlıdır ve açık kaynak kullanıma açıktır.

## 📧 İletişim

**Proje Sahibi:** [Can Uzlas]
- GitHub: [@canuzlas](https://github.com/canuzlas)
- LinkedIn: [canuzlas](https://linkedin.com/in/canuzlas)

## 🙏 Teşekkürler

- Kaggle - Veri seti için
- WHO - Bölge sınıflandırması için
- Python topluluğu - Harika kütüphaneler için

---

<div align="center">

**⭐ Projeyi beğendiyseniz yıldız vermeyi unutmayın! ⭐**

Made with ❤️ and 🐍 Python

[⬆ Başa Dön](#-covid-19-global-data-analysis)

</div>