Datavisualisering med Matplotlib
Opdag, hvordan De opretter visualiseringer for at forstå Deres data
Datavisualisering med Matplotlib er en gratis Lær AI med Python-lektion på CoddyKit. Dette er lektion 2 af 5. Du kan læse alle 3 lektioner i dette læringsspor gratis i deres fulde længde — derefter låser CoddyKit PRO alle lektioner op samt praktiske øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Den er en del af læringsforløbet i Lær AI med Python, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Lær AI med Python-kurset indeholder 5 lektioner i alt.
Introduktion til Matplotlib
Matplotlib er et populært Python-bibliotek til at oprette visualiseringer, herunder linjediagrammer, søjlediagrammer, punktdiagrammer og meget mere.
I denne lektion lærer du at bruge Matplotlib til at oprette og tilpasse forskellige diagramtyper.
Installation af Matplotlib
For at installere Matplotlib skal du bruge følgende kommando i din terminal:
pip install matplotlib
Når Matplotlib er installeret, kan du importere det i dine Python-scripts:
# Importing matplotlib
import matplotlib.pyplot as plt
print("Matplotlib imported successfully")Oprettelse af et enkelt linjediagram
Du kan oprette et grundlæggende linjediagram ved hjælp af Matplotlibs funktion plot():
# Creating a simple line plot
import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [10, 20, 25, 30]
plt.plot(x, y)
plt.title("Simple Line Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()Tilpasning af diagrammer
Matplotlib giver dig mulighed for at tilpasse diagrammer med titler, etiketter, signaturforklaringer og forskellige linjetyper:
# Customizing a plot
plt.plot(x, y, label="Line 1", linestyle="--", color="red")
plt.legend()
plt.title("Customized Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()Oprettelse af søjlediagrammer
Søjlediagrammer er nyttige til at sammenligne kategorier. Brug funktionen bar() til at oprette et søjlediagram:
# Creating a bar chart
categories = ["A", "B", "C"]
values = [10, 15, 7]
plt.bar(categories, values, color="blue")
plt.title("Bar Chart")
plt.xlabel("Categories")
plt.ylabel("Values")
plt.show()Oprettelse af punktdiagrammer
Punktdiagrammer er nyttige til at vise sammenhænge mellem to variabler. Brug funktionen scatter():
# Creating a scatter plot
x = [5, 7, 8, 7]
y = [3, 8, 6, 4]
plt.scatter(x, y, color="green")
plt.title("Scatter Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()Oprettelse af histogrammer
Histogrammer viser fordelingen i et datasæt. Brug funktionen hist():
# Creating a histogram
data = [1, 1, 2, 3, 3, 3, 4, 4, 5]
plt.hist(data, bins=5, color="purple")
plt.title("Histogram")
plt.xlabel("Bins")
plt.ylabel("Frequency")
plt.show()Tilføjelse af flere diagrammer
Du kan tilføje flere diagrammer til den samme figur ved hjælp af funktionen subplot():
# Adding multiple plots
plt.subplot(2, 1, 1)
plt.plot([1, 2, 3], [4, 5, 6])
plt.title("First Plot")
plt.subplot(2, 1, 2)
plt.bar([1, 2, 3], [7, 8, 9])
plt.title("Second Plot")
plt.tight_layout()
plt.show()Almindelige fejl med Matplotlib
Her er nogle fejl, du bør undgå:
- At glemme at kalde
plt.show()for at vise diagrammet. - At bruge overlappende elementer uden at justere layoutet.
- Ikke at mærke akser og diagrammer tydeligt.
Hvad har du lært?
I denne lektion har du lært:
- Hvordan du installerer og importerer Matplotlib.
- Hvordan du opretter linjediagrammer, søjlediagrammer, punktdiagrammer og histogrammer.
- Hvordan du tilpasser diagrammer med etiketter, signaturforklaringer og flere diagrammer.
Godt gået! Lad os gå videre til næste emne.
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 53
- Lektioner
- 225
Ofte stillede spørgsmål
Er lektionen “Datavisualisering med Matplotlib” gratis?
Ja — alle 3 lektioner i læringssporet Lær AI med Python, inklusive “Datavisualisering med Matplotlib”, kan læses gratis i deres fulde længde her på webstedet. Derefter låser CoddyKit PRO alle lektioner op samt interaktive øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Lær AI med Python-kurset indeholder 5 lektioner i alt.
Hvad lærer jeg i “Datavisualisering med Matplotlib”?
Opdag, hvordan De opretter visualiseringer for at forstå Deres data Du øver dig i Lær AI med Python med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Lær AI med Python?
Der kræves ingen tidligere erfaring. Lær AI med Python på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 2 af 5.
Hvor lang tid tager lektionen “Datavisualisering med Matplotlib”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Lær AI med Python-lektion?
Ja. Alle Lær AI med Python-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Dataanalyse med Pandas
- Datavisualisering med Matplotlib
- NumPy til numeriske beregninger
- Håndtering af API'er med requests
- Web scraping med BeautifulSoup