Das Anpassen von Matplotlib-Visualisierungen in Python

Einführung

In diesem Lab werden wir lernen, wie man Matplotlib in Python verwendet, um Visualisierungen zu erstellen. Matplotlib ist eine leistungsstarke Bibliothek für die Datenvisualisierung und wird üblicherweise verwendet, um Plots, Diagramme und Grafiken zu erstellen. Wir werden die verschiedenen Arten von Plots in Matplotlib erkunden und lernen, wie man sie anpasst, um professionell aussehende Visualisierungen zu erstellen.

Tipps für die VM

Nachdem der VM-Start abgeschlossen 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 in Jupyter Notebook nicht automatisiert werden.

Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.

Bibliotheken importieren

Der erste Schritt besteht darin, die erforderlichen Bibliotheken zu importieren. Für diesen Tutorial werden wir NumPy und Matplotlib verwenden. NumPy ist eine Bibliothek für numerische Berechnungen und Matplotlib ist eine Bibliothek für die Datenvisualisierung.

import numpy as np
import matplotlib.pyplot as plt

Daten erstellen

Als nächstes werden wir einige Daten erstellen, die wir in unseren Plots verwenden. Für diesen Tutorial werden wir einen einfachen Liniendiagramm erstellen.

## Create the data
x = np.linspace(0, 10, 100)
y = np.sin(x)

## Plot the data
plt.plot(x, y)
plt.show()

Das Diagramm anpassen

Jetzt, nachdem wir ein grundlegendes Diagramm erstellt haben, lassen wir uns es anpassen, um es visuell ansprechender zu gestalten. Wir können einen Titel, Achsenbeschriftungen hinzufügen und die Farbe und den Stil der Linie ändern.

## Add title and axis labels
plt.title('Sin Wave')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

## Change color and style of line
plt.plot(x, y, color='red', linestyle='dashed')
plt.show()

Erstellen eines Scatterplots

Neben Liniendiagrammen ermöglicht Matplotlib auch das Erstellen von Scatterplots. Scatterplots eignen sich zur Visualisierung der Beziehung zwischen zwei Variablen.

## Create the data
x = np.random.rand(50)
y = np.random.rand(50)

## Create the scatter plot
plt.scatter(x, y)

## Add title and axis labels
plt.title('Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

plt.show()

Erstellen eines Balkendiagramms

Ein weiterer häufiger Plot-Typ ist das Balkendiagramm. Balkendiagramme eignen sich zur Vergleichung von Werten unterschiedlicher Kategorien.

## Create the data
x = ['A', 'B', 'C', 'D', 'E']
y = [3, 7, 1, 9, 4]

## Create the bar chart
plt.bar(x, y)

## Add title and axis labels
plt.title('Bar Chart')
plt.xlabel('Categories')
plt.ylabel('Values')

plt.show()

Zusammenfassung

In diesem Lab haben wir gelernt, wie man Matplotlib verwendet, um verschiedene Plot-Typen zu erstellen, einschließlich Liniendiagrammen, Scatterplots und Balkendiagrammen. Wir haben auch gelernt, wie wir unsere Plots anpassen, indem wir Titel, Achsenbeschriftungen hinzufügen und die Farbe und den Stil der Linien ändern. Matplotlib ist eine leistungsstarke Bibliothek für die Datenvisualisierung und ein essentielles Werkzeug für jeden, der mit Daten in Python arbeitet.