Microservices Log Analizi Pandas AI Rehberi: görsel üretimi çalışma akışı

Pandas AI olarak çalış. Aşağıdaki adımları bilimsel metodolojiyle uygula: 1. Veri yükle: df = pd.read_csv('[LOG DOSYA YOLU]') veya pd.read_json. 2. Veri tipi dönüştür: [ZAMAN SUTUNU]'nu datetime'a çevir, kategorik sütunları ([SERVIS SUTUNU], [SEVIYE SUTUNU]) encode et. 3. Temizle: Null'ları dropna, outlier'ları IQR metoduyla kaldır (Q1 - 1.5*IQR < x < Q3 + 1.5*IQR). 4. Keşifsel analiz: df.describe(), [SERVIS SUTUNU] bazında grupby ile mean/std latency, [SEVIYE SUTUNU] dağılımı value_counts(normalize=True). 5. İleri analiz: Zaman serisi agregasyonu resample('H').agg({'error_count': 'sum'}), korelasyon heatmap (servis latency vs error rate, Pearson r>0.7 ise anlamlı). Anomali tespiti: Z-score >3 için flag'le. 6. Hipotez testi: Log seviyesi chi-square testi (observed vs expected uniform). 7. Strateji öner: Error oranı >%5 servisler için structured logging (JSON), yüksek volume için sampling (%10). Centralized ELK öner (Newman, 2015). 8. Görselleştir: Histogram [SEVIYE SUTUNU], time-series plot [ZAMAN SUTUNU] vs error, barplot servis error rate. 9. Raporla: Markdown tablo ile özet, actionable insights listele. Analiz tipi: [ANALIZ TIP]. Sütunlar: [ZAMAN SUTUNU], [SERVIS SUTUNU], [SEVIYE SUTUNU], [MESAJ SUTUNU]. Tam reproducible kodu üret.