Visualisierung von Daten mit Python: Matplotlib und Seaborn Tutorials

Python bietet leistungsstarke Bibliotheken wie Matplotlib und Seaborn, um informative und attraktive Visualisierungen zu erstellen. Dieser Artikel enthält Tutorials, wie man diese Bibliotheken effektiv benutzt.

Erste Schritte mit Matplotlib

Matplotlib ist eine weit verbreitete Bibliothek zum Erstellen statischer, animierter und interaktiver Visualisierungen in Python. Es bietet eine flexible Möglichkeit, eine Vielzahl von Plots zu generieren.

Um zu beginnen, installieren Sie Matplotlib mit pip:

pip install matplotlib

Hier ist ein einfaches Beispiel für die Erstellung eines Linienplots:

import matplotlib.pyplot as plt

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

y = [2, 3, 5, 7, 11]

plt.plot(x, y)

plt.title('Sample Line Plot')

plt.xlabel('X Achse')

plt.ylabel('Y Achse')

plt.show()

Einführung in Seaborn

Seaborn ist auf Matplotlib aufgebaut und bietet eine hochrangige Schnittstelle für das Zeichnen attraktiver statistischer Grafiken. Es vereinfacht komplexe Visualisierungen und verbessert die Ästhetik.

Installieren Sie Seaborn mit Pip:

pip install seaborn

Hier ist ein Beispiel für die Erstellung eines Scatter-Plots mit Seaborn:

import seaborn as sns

import matplotlib.pyplot as plt

tips = sns.load dataset('tips')

sns.scatterplot(data=tips, x='total bill', y='tip', hue='day')

plt.title('Tips Dataset Scatter Plot')

plt.show()

Erstellen von benutzerdefinierten Visualisierungen

Sowohl Matplotlib als auch Seaborn ermöglichen die Anpassung von Plots. Sie können Farben, Etiketten, Titel und mehr ändern, um die Klarheit und Präsentation zu verbessern.

Zum Beispiel, Ändern der Farbpalette in Seaborn:

sns.set palette('pastel')

Erstellen Sie dann wie gewohnt Ihren Plot, um die Palette anzuwenden.