Möglichkeiten von Pyplot

1. Pyplot-Grundlagen

Ein einfaches Diagramm erstellen

Jetzt, wo wir Matplotlib haben, schauen wir uns die grundlegenden Bestandteile an. Pyplot ist ein kleines, aber sehr nützliches Modul innerhalb von Matplotlib. Es ermöglicht das schnelle und einfache Erstellen von Diagrammen, ungefähr so, als würdest du auf einer Leinwand malen.

import matplotlib.pyplot as plt

# Einfachstes Diagramm erstellen
plt.plot([0, 1, 2, 3], [0, 1, 4, 9])
plt.show()

Voilà, du hast dein erstes Diagramm erstellt! Es wird wahrscheinlich keinen Schönheitswettbewerb gewinnen, aber glaub mir, es ist nur der Anfang.

Diagramm verbessern

Das Erstellen eines Diagramms in pyplot umfasst mehrere grundlegende Schritte:

1. Daten für das Diagramm vorbereiten.
2. Diagrammtyp auswählen (z. B. plot() für Liniendiagramme).
3. Diagramm anpassen (Labels, Titel und Legende).
4. Diagramm mit der Funktion show() anzeigen.

Verbessern wir unser erstes Diagramm...

Liniendiagramm

import matplotlib.pyplot as plt

# Daten für das Diagramm
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# Liniendiagramm erstellen
plt.plot(x, y)

# Achsenbeschriftungen und Titel anpassen
plt.xlabel("X")
plt.ylabel("Y")
plt.title("Beispiel für ein Liniendiagramm")

# Diagramm anzeigen
plt.show()

Dieser Code erstellt ein Liniendiagramm, das die Werte von y entlang der Y-Achse in Abhängigkeit von x entlang der X-Achse darstellt. Die Funktionen xlabel(), ylabel() und title() fügen dem Diagramm Beschriftungen und einen Titel hinzu.

2. Die wichtigsten Diagrammtypen in Pyplot

1. Liniendiagramm plot()

Liniendiagramme werden oft verwendet, um Daten im Zeitverlauf darzustellen oder Trends zu analysieren.

x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]

plt.plot(x, y, marker="o", color="b", linestyle="--")
plt.xlabel("Zeit")
plt.ylabel("Wert")
plt.title("Liniendiagramm")
plt.show()

Hier verwenden wir die Parameter marker, color und linestyle, um das Erscheinungsbild des Diagramms anzupassen.

2. Histogramm hist()

Histogramme eignen sich gut, um die Verteilung von Daten anzuzeigen und die Häufigkeit von Werten zu analysieren.

data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5]

plt.hist(data, bins=5, color="skyblue", edgecolor="black")
plt.xlabel("Wert")
plt.ylabel("Häufigkeit")
plt.title("Histogramm")
plt.show()

Hier definiert der Parameter bins die Anzahl der Histogrammbalken, und edgecolor fügt jedem Balken eine Umrandung hinzu.

3. Kreisdiagramm pie()

Kreisdiagramme stellen die Anteile von Kategorien in der Gesamtheit der Daten dar.

labels = ["Katzen", "Hunde", "Vögel"]
sizes = [40, 35, 25]

plt.pie(sizes, labels=labels, autopct="%1.1f%%", startangle=90)
plt.title("Kreisdiagramm")
plt.show()

Hier zeigt autopct den Prozentsatz jeder Kategorie an, und startangle dreht das Diagramm.

4. Streudiagramm scatter()

Streudiagramme eignen sich gut, um die Abhängigkeit zwischen zwei Variablen zu analysieren.

x = [1, 2, 3, 4, 5]
y = [5, 7, 8, 5, 6]

plt.scatter(x, y, color="red")
plt.xlabel("X")
plt.ylabel("Y")
plt.title("Streudiagramm")
plt.show()

Ein Streudiagramm eignet sich gut, um Korrelationen zwischen Werten auf den Achsen X und Y zu erkennen.

5. Balkendiagramm bar()

Balkendiagramme eignen sich gut, um Werte zwischen Kategorien zu vergleichen.

categories = ["A", "B", "C", "D"]
values = [10, 15, 7, 20]

plt.bar(categories, values, color="lightblue")
plt.xlabel("Kategorien")
plt.ylabel("Werte")
plt.title("Balkendiagramm")
plt.show()

Hier stellen categories und values die Beschriftungen der Kategorien und die entsprechenden Werte zum Erstellen der Balken dar.

Jetzt kennst du die Grundlagen zur Installation und Anpassung von Matplotlib und bist bereit, deine ersten Diagramme zu erstellen. Aber das ist nur der Anfang unserer Reise. In den nächsten Vorlesungen werden wir tiefer in die Erstellung und Anpassung verschiedener Diagrammtypen eintauchen. Schließlich wirst du Kunstwerke erstellen können, die nicht nur schön, sondern auch informativ sind.

Vergiss nicht, dass Datenvisualisierung nicht nur über Diagramme geht, sondern auch über das Erzählen von Geschichten. Matplotlib wird dein Storyteller sein. Bis bald in der nächsten Vorlesung, wo wir deine Fähigkeiten verbessern und neue Horizonte in der Welt der Diagramme eröffnen werden!