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

Introduction to data visualization with Matplotlib

Using the matplotlib.pyplot interface

Adding data to an Axes object

Customizing your plots

Customizing data appearance

Customizing axis labels and adding titles

Small multiples

Creating a grid of subplots

Creating small multiples with plt.subplots

Small multiples with shared y axis

Introduction to Matplotlib

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

Tijdreeksgegevens plotten

Gegevens met een tijdindex inlezen

Tijdreeksen plotten

Inzoomen met een tijdindex

Tijdreeksen met verschillende variabelen plotten

Twee variabelen plotten

Een functie definiëren die tijdreeksdata plot

Een plotfunctie gebruiken

Aantekeningen toevoegen aan tijdreeksgegevens

Een tijdreeksplot annoteren

Tijdreeksen plotten: alles samenbrengen

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.

Aantekeningen toevoegen aan tijdreeksgegevens

Create Your Free Account