Matplotlib

A) Drive mount

Python

setup_drive.py

from google.colab import drive
drive.mount("/content/drive")

İzah: Drive qoşulmasa, MyDrive içindəki dataset fayllarına giriş olmaz.

B) Unzip (terminal cell)

Terminal

$ /content

!unzip "/content/drive/MyDrive/dog vision/dog-breed-identification.zip" -d "/content/drive/MyDrive/dog vision"

İzah: Zip açıldıqdan sonra train/ və labels.csv görünməlidir.

C) Yol yoxla

Python

paths_check.py

import os

base_dir = "/content/drive/MyDrive/dog vision"
train_dir = os.path.join(base_dir, "train")

print("Base exists:", os.path.exists(base_dir))
print("Train exists:", os.path.exists(train_dir))

Output (example)

console

Base exists: True
Train exists: True

İzah: Burada False görsən, yol səhvdir — əvvəl onu düzəlt, sonra davam et.

A) CSV oxu + ilk 5 sətir

Python

read_csv.py

import pandas as pd

labels_csv = pd.read_csv("/content/drive/MyDrive/dog vision/labels.csv")
labels_csv.head()

İzah: Burada əsas iki sütun var: id (şəkil adı) və breed (cins).

B) info

Python

df_info.py

labels_csv.info()

İzah: info() — sətir sayı, sütun tipləri, boş dəyər var/yox.

A) filenames list

Python

filenames.py

import os

base_dir = "/content/drive/MyDrive/dog vision"
train_dir = os.path.join(base_dir, "train")

filenames = [os.path.join(train_dir, f"{img_id}.jpg") for img_id in labels_csv["id"]]

print("Total filenames:", len(filenames))
print("Example:", filenames[0])

İzah: Burada məqsəd: CSV-dəki bütün id-lər üçün tam şəkil yolunu hazırlamaq.

B) train şəkil sayı = CSV sətir sayı?

Python

count_check.py

import os

train_images_count = len([f for f in os.listdir(train_dir) if f.endswith(".jpg")])
csv_count = len(labels_csv)

print("Train images:", train_images_count)
print("CSV rows:", csv_count)
print("Equal?", train_images_count == csv_count)

İzah: Əgər Equal? False çıxsa, ya train qovluğu tam deyil, ya da yol səhvdir.

A) Top 20 — bar chart

Python

plot_bar.py

import matplotlib.pyplot as plt

breed_counts = labels_csv["breed"].value_counts()

top_n = 20
breed_counts.head(top_n).plot(kind="bar", figsize=(14, 5))

plt.title(f"Top {top_n} Dog Breeds by Count")
plt.xlabel("Breed")
plt.ylabel("Count")
plt.xticks(rotation=45, ha="right")
plt.show()

İzah: value_counts() — hər breed-dən neçə dəfə var (sayır). head(20) — yalnız ilk 20-ni göstərir.

B) Histogram — breed başına şəkil sayı paylanması

Python

plot_hist.py

import matplotlib.pyplot as plt

breed_counts = labels_csv["breed"].value_counts()

plt.figure(figsize=(10, 5))
plt.hist(breed_counts, bins=20)

plt.title("Distribution: images per breed")
plt.xlabel("Images per breed")
plt.ylabel("Number of breeds")
plt.show()

İzah: Histogram “az şəkilli breed-lər çoxdur, yoxsa az?” kimi balans hissini verir.

C) Pie — yalnız top 10

Python

plot_pie.py

import matplotlib.pyplot as plt

breed_counts = labels_csv["breed"].value_counts()

top_n = 10
top_breeds = breed_counts.head(top_n)

plt.figure(figsize=(8, 8))
plt.pie(top_breeds, labels=top_breeds.index, autopct="%1.1f%%", startangle=90)
plt.title(f"Top {top_n} Breeds Share")
plt.show()

İzah: Pie chart çox kateqoriya ilə qarışır — ona görə top 10 idealdır.

A) Breed sütununu list et

Python

list_basic.py

breeds_list = labels_csv["breed"].tolist()

print("Total labels:", len(breeds_list))
print("First 10:", breeds_list[:10])

İzah: tolist() pandas sütununu Python list edir. [:10] ilk 10 element deməkdir.

B) Unikal breed-lər (təkrarsız)

Python

list_unique.py

unique_breeds = labels_csv["breed"].unique().tolist()

print("Unique breed count:", len(unique_breeds))
print("First 20 unique:", unique_breeds[:20])

İzah: unique() — təkrarsız dəyərləri verir.

C) Seçilmiş breed-lər üçün filtr (isin)

Python

filter_isin.py

selected_breeds = ["pug", "husky", "beagle"]

filtered_df = labels_csv[labels_csv["breed"].isin(selected_breeds)]

print("Selected:", selected_breeds)
print("Filtered rows:", len(filtered_df))
filtered_df.head()

İzah: isin(list) — “bu siyahının içində var?” filtridir.

A) ID ilə şəkil göstər + breed

Python

image_by_id.py

import os
from IPython.display import Image, display

base_dir = "/content/drive/MyDrive/dog vision"
train_dir = os.path.join(base_dir, "train")

img_id = labels_csv.loc[0, "id"]
breed = labels_csv.loc[0, "breed"]

img_path = os.path.join(train_dir, img_id + ".jpg")

print("ID:", img_id)
print("Breed:", breed)
display(Image(filename=img_path))

İzah: loc[0, "id"] — 0-cı sətirdəki id. Şəkil yolu isə train/id.jpg.

B) Random 1 şəkil

Python

image_random.py

import os
import random
from IPython.display import Image, display

all_images = [f for f in os.listdir(train_dir) if f.endswith(".jpg")]
random_img = random.choice(all_images)

print("Selected:", random_img)
display(Image(filename=os.path.join(train_dir, random_img)))

İzah: os.listdir() qovluğu list edir, random.choice() listdən 1 random seçir.

C) 3x3 grid — 9 random şəkil

Python

image_grid.py

import os
import random
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

all_images = [f for f in os.listdir(train_dir) if f.endswith(".jpg")]
sample_images = random.sample(all_images, 9)

plt.figure(figsize=(10, 10))

for i, img_name in enumerate(sample_images):
    img_path = os.path.join(train_dir, img_name)
    img = mpimg.imread(img_path)

    plt.subplot(3, 3, i + 1)
    plt.imshow(img)
    plt.axis("off")
    plt.title(img_name[:10])

plt.suptitle("Random 3x3 Dog Images", fontsize=16)
plt.show()

İzah: subplot(3,3,i+1) — 3x3 paneldə i+1-ci yer. axis("off") oxları gizlədir.

A) Seçilmiş breed-lərin sayını göstər (bar)

Python

selected_counts.py

import matplotlib.pyplot as plt

selected_breeds = ["pug", "husky", "beagle", "chihuahua"]

counts = labels_csv[labels_csv["breed"].isin(selected_breeds)]["breed"].value_counts()

counts.plot(kind="bar", figsize=(8, 4))
plt.title("Counts for selected breeds")
plt.xlabel("Breed")
plt.ylabel("Count")
plt.xticks(rotation=30, ha="right")
plt.show()

İzah: Məntiq: filtr (isin) → say (value_counts) → plot.

B) Bir breed seç → 6 şəkil göstər (2x3)

Python

selected_images.py

import os
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

base_dir = "/content/drive/MyDrive/dog vision"
train_dir = os.path.join(base_dir, "train")

target_breed = "pug"

subset = labels_csv[labels_csv["breed"] == target_breed]
n = min(6, len(subset))
sample_rows = subset.sample(n=n, random_state=42)

plt.figure(figsize=(12, 6))

for i, row in enumerate(sample_rows.itertuples(index=False)):
    img_id = row.id
    img_path = os.path.join(train_dir, img_id + ".jpg")
    img = mpimg.imread(img_path)

    plt.subplot(2, 3, i + 1)
    plt.imshow(img)
    plt.axis("off")
    plt.title(target_breed)

plt.suptitle(f"Sample images for: {target_breed}", fontsize=16)
plt.show()

İzah: target_breed dəyiş — eyni kodla fərqli cinslərdən nümunə gör.

Pandas

value_counts() — hər dəyərin sayını verir (məs: hər breed neçə dəfə var).
unique() — təkrarsız dəyərləri verir (məs: neçə fərqli breed var).
head(n) — ilk n sətri göstərir.
loc[row, col] — konkret hüceyrəni seçir.
isin(list) — “bu siyahının içində var?” filtridir.
index — nəticədə çox vaxt adlar index-də olur.
index.tolist() — index adlarını list edir.
tolist() — pandas sütununu Python list edir.

Matplotlib

plt.figure(figsize=(w,h)) — ölçü.
plt.title / xlabel / ylabel — başlıq və ox adları.
plt.xticks(rotation=...) — x yazılarını döndürür.
plt.subplot(r,c,i) — grid-də i-ci yer.
plt.imshow(img) — şəkli göstərir.
plt.axis("off") — oxları gizlədir.
plt.show() — göstər.

Matplotlib practice (dataset: dog-breed-identification)

0) Setup (Drive + unzip + yol yoxlaması)

1) labels.csv (oxu + ilkin baxış)

2) Paths & checks (filenames list + say yoxlaması)

3) Plots (bar / hist / pie)

4) Lists & filtering (listə salmaq, seçmək, çap etmək)

5) Show images (ID / random / 3x3 grid)

6) Selected breeds (yalnız seçilən cinslər)

Cheat sheet (qısa izahlar)