Python-Datenvisualisierung mitMatplotlib

Lernen Sie das Plotten von Daten in Python. Erstellen Sie saubere Streudiagramme, passen Sie Beschriftungen, Legenden und Stile nativ im Browser an.

Versuchen Sie es im Editor

Übersicht

Unter Datenvisualisierung versteht man die grafische Darstellung von Informationen und Daten. Durch die Verwendung visueller Elemente wie Diagramme, Grafiken und Karten bieten Datenvisualisierungstools eine leicht zugängliche Möglichkeit, Trends, Ausreißer und Muster zu erkennen.

Matplotlibist die Kernbibliothek zum Plotten in Python. Es bietet eine objektorientierte API, mit der Sie jedes einzelne Pixel Ihrer Figur anpassen können, von den Achsenfarben bis hin zu Schriftstilen.

In diesem Beispiel generieren wir synthetische Wachstumskurven und zeichnen sie in derselben Abbildung auf. Dabei wird gezeigt, wie Linienstärke, Markierungen, Legenden und Achsengrenzen für ein publikationsreifes Diagramm definiert werden.

Code- und Ausführungsausgabe

Ein Skript, das Matplotlib verwendet, um ein Vergleichsdiagramm mathematischer Funktionen zu rendern.

data_viz.py

Versuchen Sie es im Editor

import matplotlib.pyplot as plt
import numpy as np

# Generate points along the X axis
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# Create figure
fig, ax = plt.subplots(figsize=(8, 5))

# Plot lines
ax.plot(x, y1, label='Sine Wave', color='#0D9488', linewidth=2.5)
ax.plot(x, y2, label='Cosine Wave', color='#EF4444', linewidth=2, linestyle='--')

# Style axis and frame
ax.set_title('Trigonometric Waveforms', fontsize=14, fontweight='bold', pad=15)
ax.set_xlabel('X Axis (Radians)', fontsize=11)
ax.set_ylabel('Amplitude', fontsize=11)
ax.grid(True, linestyle=':', alpha=0.6)
ax.legend(loc='upper right', frameon=True)
ax.spines[['top', 'right']].set_visible(False)

plt.tight_layout()
plt.show()

Terminal-Ausgabe

Rendered visualization in the Graphs tab...

Schrittweise Umsetzung

Darstellung wissenschaftlicher Forschung und Telemetrieausgabe
Erstellen von Dashboard-Diagrammelementen für analytische Web-Apps
Explorative Datenanalyse während maschineller Lernaufgaben

Häufig gestellte Fragen

Kann ich Seaborn mitPyRunverwenden?

Ja, Seaborn ist ein Wrapper, der auf Matplotlib basiert. Beim Import leitetPyRunseine Diagramme in das gleiche Diagramm-Ansichtsfenster des Browsers um.

Wie speichere ich einen Matplotlib-Plot in einer Datei in Python?

Anstatt „plt.show()“ aufzurufen, können Sie „plt.savefig('my_chart.png', dpi=300)“ ausführen, um das Bild direkt in Ihren Dateisystem-Arbeitsbereich zu schreiben.