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

Introductie tot datavisualisatie met Matplotlib

De matplotlib.pyplot-interface gebruiken

Gegevens toevoegen aan een Axes-object

Je plots aanpassen

De weergave van gegevens aanpassen

Aslabels aanpassen en titels toevoegen

Small multiples

Een raster van subplots maken

Kleine multiples maken met plt.subplots

Small multiples met gedeelde y-as

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

Gegevens visualiseren in grafieken en figuren onthult onderliggende patronen en levert inzichten op. Goede visualisaties helpen je ook je data aan anderen te communiceren en zijn nuttig voor data-analisten en andere gebruikers van de data. In deze cursus leer je werken met Matplotlib, een krachtige Python-bibliotheek voor datavisualisatie. Matplotlib biedt de bouwstenen om rijke visualisaties te maken van veel verschillende soorten gegevenssets. Je leert visualisaties maken voor verschillende typen data en hoe je deze kunt aanpassen, automatiseren en delen.

De video’s bevatten live-transcripties die je kunt tonen door linksonder in de video op "Show transcript" te klikken.
De cursuswoordenlijst vind je rechts in de sectie met bronnen.
Om CPE-credits te behalen moet je de cursus afronden en minimaal 70% scoren op de gekwalificeerde toets. Je gaat naar de toets via de CPE-credits-callout aan de rechterkant.

Introduction to Python

Leer hoe je datavisualisaties maakt, aanpast en deelt met Matplotlib.

Associate Data Scientist  in Python

Datavisualisatie in Python

Een raster van subplots maken

Introductie tot datavisualisatie met Matplotlib

Praktische interactieve oefening