matplotlib

Data

Diagrammdarstellung

Übersicht matplotlib

Matplotlibist Pythons am häufigsten verwendete Plotbibliothek. Damit können Sie mit nur wenigen Codezeilen 2D-Diagramme in Publikationsqualität erstellen – Balkendiagramme, Liniendiagramme, Streudiagramme, Histogramme, Kreisdiagramme und vieles mehr.Matplotliblässt sich eng inNumPyundPandasintegrieren und ist damit die Standardvisualisierungsebene für fast alle Data-Science-Workflows.

PyRunrendertMatplotlib-Diagramme direkt im Browser in einer speziellen Registerkarte „GRAFIKEN“. Wenn Ihr Code plt.show() aufruft, fängtPyRundie Figur ab und zeigt sie als gestochen scharfe SVG-Datei neben Ihrer Terminalausgabe an. Sie benötigen kein Jupyter-Notebook oder einen lokalen Anzeigeserver – schreiben Sie einfach Ihren Plotcode und führen Sie ihn aus.

Code- und Ausführungsausgabe

Rendert ein Diagramm auf der Registerkarte GRAFIKEN.

Matplotlib Bar ChartIm Editor ausführen
import matplotlib.pyplot as plt
import numpy as np

langs = ['Python', 'JavaScript', 'TypeScript', 'Rust', 'Go']
scores = [95, 88, 82, 78, 75]
colors = ['#0D9488', '#F59E0B', '#3B82F6', '#EF4444', '#8B5CF6']

fig, ax = plt.subplots(figsize=(8, 5))
bars = ax.bar(langs, scores, color=colors, edgecolor='none', width=0.6)
ax.set_title('Language Popularity Index 2025', fontsize=14, fontweight='bold', pad=15)
ax.set_ylabel('Score', fontsize=11)
ax.set_ylim(60, 100)
ax.spines[['top', 'right']].set_visible(False)
for bar, score in zip(bars, scores):
    ax.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.5,
            str(score), ha='center', va='bottom', fontweight='bold')
plt.tight_layout()
plt.show()

Verwandte Pakete

Empfohlene Python-Ressourcen

Erweitern Sie Ihr Wissen mit zugehörigen interaktiven Tutorials, Spickzetteln und Codevergleichen.