This chapter introduces the Matplotlib visualization library and demonstrates how to use it with data.

Einführung in die Datenvisualisierung mit Matplotlib

Verwendung der matplotlib.pyplot-Schnittstelle

Daten zu einem Axes-Objekt hinzufügen

Diagramme anpassen

Erscheinungsbild der Daten anpassen

Achsenbeschriftungen anpassen und Titel hinzufügen

Unterdiagramme

Ein Raster von Unterdiagrammen erstellen

Unterdiagramme mit plt.subplots erstellen

Unterdiagramme mit gemeinsamer y-Achse

Introduction to Matplotlib

Time series data is data that is recorded. Visualizing this type of data helps clarify trends and illuminates relationships between data.

Plotting time-series data

Read data with a time index

Plot time-series data

Using a time index to zoom in

Plotting time-series with different variables

Plotting two variables

Defining a function that plots time-series data

Using a plotting function

Annotating time-series data

Annotating a plot of time-series data

Plotting time-series: putting it all together

Plotting time-series

Visualizations can be used to compare data in a quantitative manner. This chapter explains several methods for quantitative visualizations.

Quantitative comparisons: bar-charts

Bar chart

Stacked bar chart

Quantitative comparisons: histograms

Creating histograms

"Step" histogram

Statistical plotting

Adding error-bars to a bar chart

Adding error-bars to a plot

Creating boxplots

Quantitative comparisons: scatter plots

Simple scatter plot

Encoding time by color

Quantitative comparisons and statistical visualizations

This chapter shows you how to share your visualizations with others: how to save your figures as files, how to adjust their look and feel, and how to automate their creation based on input data.

Preparing your figures to share with others

Selecting a style for printing

Switching between styles

Saving your visualizations

Saving a file several times

Save a figure with different sizes

Automating figures from data

Unique values of a column

Automate your visualization

Where to go next

Sharing visualizations with others

Seattle weather

Austin weather

Climate data

Medals by country

Medalist weights

Die Visualisierung von Daten in Diagrammen und Abbildungen macht die zugrunde liegenden Muster in den Daten sichtbar und bietet Einblicke. Gute Visualisierungen helfen dir auch, deine Daten anderen mitzuteilen, und sind für Datenanalysten und andere Nutzer der Daten nützlich. In diesem Kurs lernst du, wie du Matplotlib, eine leistungsstarke Python-Bibliothek zur Datenvisualisierung, nutzen kannst. Matplotlib bietet die Bausteine, um umfangreiche Visualisierungen für viele verschiedene Arten von Datensätzen zu erstellen. Du lernst, wie du Visualisierungen für verschiedene Arten von Daten erstellst und wie du diese Visualisierungen anpasst, automatisierst und weitergibst.

Die Live-Transkripte der Videos kannst du durch einen Klick auf „Transkript anzeigen“ unten links in den Videos aufrufen.
Das Glossar zum Kurs findest du rechts im Bereich „Ressourcen“.
Um CPE-Credits zu erhalten, musst du den Kurs abschließen und im bewerteten Test mindestens 70 % erreichen. Du gelangst zum Test, indem du rechts auf den Hinweis zu den CPE-Credits klickst.

Introduction to Python

Lernen Sie, wie Sie Datenvisualisierungen mit Matplotlib erstellen, anpassen und teilen.

In diesem Kurs lernst du, mit Matplotlib Datenvisualisierungen zu erstellen, nach Bedarf anzupassen und mit Anderen zu teilen.

Associate Data Scientist  in Python

Datenvisualisierung mit Python

Ein Raster von Unterdiagrammen erstellen

Interaktive praktische Übung