Erstellen von Liniendiagrammen zur Datenanalyse

1. Einfaches Liniendiagramm erstellen

Bei Daten sind Liniendiagramme wie ein altmodisches Notizbuch, in das man wichtige Lebensereignisse schreibt. Sie bestehen aus einer Reihe von Punkten, die durch eine Linie verbunden sind und zeigen, wie sich die Werte über die Zeit oder in Abhängigkeit von anderen Parametern ändern.

Na, fangen wir mit einem einfachen Beispiel an, um zu verstehen, wie ein Liniendiagramm in Matplotlib erstellt wird.

import matplotlib.pyplot as plt

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

# Erstellen des Liniendiagramms
plt.plot(x, y)

# Diagramm anzeigen
plt.show()

Dieser einfache Code erstellt ein Liniendiagramm, das zeigt, wie jedes Element in y vom entsprechenden Element in x abhängt. Keine Komplikationen – einfach Wertelisten einfügen und Matplotlib übernimmt den Rest!

2. Diagramme anpassen

Jetzt, da du dein erstes Diagramm erstellt hast, ist es Zeit, es ein bisschen aufzupeppen! Denn, wie wir wissen, zählt der erste Eindruck – auch bei Diagrammen.

Farben und Linienstile anpassen

Manchmal braucht man Farben und verschiedene Linienstile, um Informationen besser hervorzuheben. Lass uns ein bisschen Stil hinzufügen:

plt.plot(x, y, color='blue', linestyle='--', marker='o')

Hier erlauben color, linestyle und marker dir, die Farbe, den Linienstil (z. B. gestrichelt) und den Markertyp (z. B. Kreise) festzulegen.

Überschrift und Achsenbeschriftungen hinzufügen

Ohne Überschriften und Beschriftungen ist dein Diagramm einfach nur eine elegante Linie. Also lass uns es benennen und Achsenbeschriftungen hinzufügen:

plt.title("Beispiel eines Liniendiagramms")
plt.xlabel("x-Achse")
plt.ylabel("y-Achse")

Seid ehrlich zu euch selbst: Fügt immer Titel und Beschriftungen zu euren Diagrammen hinzu. Das macht sie für alle, einschließlich euch selbst, viel verständlicher (es sei denn, ihr könnt euch merken, was jede Linie bedeutet).

Legende im Diagramm

Wenn dein Diagramm mehrere Linien enthält, füge unbedingt eine Legende hinzu, damit niemand durcheinander kommt.

plt.plot(x, y, color='blue', linestyle='--', marker='o', label='Linie 1')
plt.plot(x2, y2, color='red', linestyle='--', marker='X', label='Linie 2')
plt.legend()

Nach dieser Anpassung wird dein Publikum von deinem Professionalismus begeistert sein.

3. Praktische Aufgabe

Lass uns unsere Fähigkeiten verbessern, indem wir ein Liniendiagramm mit inspirierenden Daten erstellen. Stell dir Temperaturdaten über eine Woche vor:

days = ["Mo", "Di", "Mi", "Do", "Fr", "Sa", "So"]
temperatures = [20, 22, 23, 21, 24, 25, 26]

plt.plot(days, temperatures, color='green', linestyle='-', marker='s', label='Temperatur')
plt.title("Temperaturänderung über die Woche")
plt.xlabel("Tage der Woche")
plt.ylabel("Temperatur, °C")
plt.legend()
plt.grid(True)
plt.show()

In diesem Beispiel haben wir Marker in Form von Quadraten und eine Hauptlinie hinzugefügt. Außerdem haben wir ein Raster plt.grid(True) hinzugefügt, das das Betrachten der Daten erleichtert.

Oh nein! Etwas ist schiefgelaufen…

Ja, das passiert. Wenn dein Diagramm seltsam aussieht, überprüfe Folgendes:

• Stelle sicher, dass die Längen der Listen x und y übereinstimmen. Wenn die Listenlängen nicht übereinstimmen – funktioniert nichts.
• Überprüfe die Syntax: Falsches Schreiben von Funktionen oder Parametern kann den Gesamteindruck deines Diagramms ruinieren.

Denk daran, dass es bei der Visualisierung nicht nur um Ästhetik, sondern auch um Effizienz geht. Diagramme sollten nützlich und informativ sein. Jedes Mal, wenn du ein Diagramm erstellst, frage dich: "Hilft es, etwas Neues in den Daten zu sehen?"

Also, wir haben gerade gelernt, wie man ein grundlegendes Liniendiagramm mit Matplotlib erstellt und anpasst. Jetzt, da du dieses leistungsstarke Tool beherrschst, kannst du viele Daten visualisieren und das auf charmante und geschmackvolle Weise tun. Weiter zur nächsten Vorlesung, um herauszufinden, wie du deine Diagramme noch beeindruckender machen kannst!