Matplotlib Python | Datenvisualisierungstutorial

Einführung

In diesem Tutorial werden die grundlegenden Verwendungsmöglichkeiten der Matplotlib-Bibliothek in Python vorgestellt. Matplotlib ist ein beliebtes Datenvisualisierungstool in Python. Mit dieser Bibliothek können Benutzer Visualisierungen wie Linienplots, Streudiagramme, Balkendiagramme und viele andere erstellen.

Tipps für die virtuelle Maschine (VM)

Nachdem die VM gestartet ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund der Einschränkungen von Jupyter Notebook nicht automatisiert werden.

Wenn Sie bei der Lernphase Probleme haben, können Sie Labby um Hilfe bitten. Geben Sie nach der Sitzung Feedback ab, und wir werden das Problem für Sie prompt beheben.

Importieren der erforderlichen Bibliotheken

Zunächst importieren wir die erforderlichen Bibliotheken. Wir werden das pyplot-Modul der matplotlib-Bibliothek verwenden, um Visualisierungen zu erstellen.

import matplotlib.pyplot as plt
import numpy as np

Erstellen eines einfachen Linienplots

Wir werden einen einfachen Linienplot erstellen, bei dem die X-Achsenwerte von 0 bis 5 und die entsprechenden Y-Achsenwerte variieren. Wir werden die plot-Funktion des pyplot-Moduls verwenden, um den Linienplot zu erstellen.

## Creating X-axis values
x = np.arange(0, 5, 0.1)

## Creating Y-axis values
y = np.sin(x)

## Creating a line plot
plt.plot(x, y)

## Adding title and labels to the plot
plt.title('Simple Line Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

## Displaying the plot
plt.show()

Erstellen eines Streudiagramms

Wir werden ein Streudiagramm erstellen, bei dem die X-Achsenwerte von 0 bis 5 und die entsprechenden Y-Achsenwerte variieren. Wir werden die scatter-Funktion des pyplot-Moduls verwenden, um das Streudiagramm zu erstellen.

## Creating X-axis values
x = np.arange(0, 5, 0.1)

## Creating Y-axis values
y = np.sin(x)

## Creating a scatter plot
plt.scatter(x, y)

## Adding title and labels to the plot
plt.title('Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

## Displaying the plot
plt.show()

Erstellen eines Balkendiagramms

Wir werden ein Balkendiagramm erstellen, bei dem die X-Achsenwerte von 0 bis 5 und die entsprechenden Y-Achsenwerte variieren. Wir werden die bar-Funktion des pyplot-Moduls verwenden, um das Balkendiagramm zu erstellen.

## Creating X-axis values
x = np.arange(0, 5, 0.1)

## Creating Y-axis values
y = np.sin(x)

## Creating a bar plot
plt.bar(x, y)

## Adding title and labels to the plot
plt.title('Bar Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

## Displaying the plot
plt.show()

Erstellen eines Kreisdiagramms

Wir werden ein Kreisdiagramm erstellen, das fünf Sektoren hat, die verschiedene Datenpunkte repräsentieren. Wir werden die pie-Funktion des pyplot-Moduls verwenden, um das Kreisdiagramm zu erstellen.

## Creating data for the pie chart
data = [10, 20, 30, 25, 15]

## Creating labels for the pie chart
labels = ['Data 1', 'Data 2', 'Data 3', 'Data 4', 'Data 5']

## Creating a pie chart
plt.pie(data, labels=labels)

## Adding title to the plot
plt.title('Pie Chart')

## Displaying the plot
plt.show()

Zusammenfassung

In diesem Tutorial haben wir gelernt, wie man die Matplotlib-Bibliothek verwendet, um grundlegende Visualisierungen wie Linienplots, Streudiagramme, Balkendiagramme und Kreisdiagramme zu erstellen. Wir haben das pyplot-Modul der matplotlib-Bibliothek verwendet, um diese Visualisierungen zu erstellen. Matplotlib ist ein leistungsstarkes Datenvisualisierungstool in Python und kann verwendet werden, um eine Vielzahl von Visualisierungen zu erstellen.

Matplotlib Datenvisualisierungstutorial