Python Academy · Lektion

Tilpasning af plots

Tilføj titler, etiketter og signaturforklaringer

Lektion 3 af 413 trin

Tilpasning af plots er en gratis Python Academy-lektion på CoddyKit. Dette er lektion 3 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Python Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Python Academy-kurset indeholder 4 lektioner i alt.

Fra rådata til et læsbart diagram

Et grundlæggende diagram viser data, men fortæller ikke læseren ret meget. Tilpasning tilføjer den kontekst, der gør et diagram til et klart budskab: titler, akseetiketter, signaturforklaringer, akseinddelinger og annoteringer.

Alle disse er metoder på akseobjektet.

Titler

Giv hver akse en titel med ax.set_title('Monthly Sales'). En titel for hele figuren angives med fig.suptitle('Report').

Titlen bør fortælle, hvad diagrammet viser, og ikke blot gentage kolonnenavnet.

raw_label = 'sales_q1'
nice_title = raw_label.replace('_', ' ').title()
print('Title:', nice_title)

Akseetiketter

Navngiv begge akser med ax.set_xlabel('Month') og ax.set_ylabel('Revenue (USD)'). Medtag altid enheder, når de findes.

Akser uden etiketter er den mest almindelige årsag til, at et diagram forvirrer sit publikum.

Signaturforklaringer

Når en akse har flere dataserier, identificerer en signaturforklaring dem. Angiv en label, når du tegner, og kald derefter ax.legend().

Signaturforklaringen viser de etiketter, du har knyttet til hver tegnet linje.

series = [
    {'label': 'Revenue', 'color': 'blue'},
    {'label': 'Costs', 'color': 'red'},
]
for s in series:
    print('legend entry:', s['label'], '(' + s['color'] + ')')

Farver

Angiv en farve med argumentet color. Du kan bruge navne som 'red', hexadecimale koder som '#1f77b4' eller korte koder som 'g'.

Ensartede farver på tværs af diagrammer hjælper læserne med at følge den samme dataserie.

Aksegrænser

Styr det synlige interval med ax.set_xlim(0, 10) og ax.set_ylim(0, 100). Det er nyttigt, når du vil zoome ind eller gennemtvinge en nulbaselinje, så søjlehøjderne bliver retvisende.

Her beregner vi automatisk et interval med ekstra margen.

values = [12, 45, 33, 27]
lo, hi = min(values), max(values)
pad = (hi - lo) * 0.1
print('y limits:', lo - pad, 'to', hi + pad)

Akseinddelinger og etiketter

Akseinddelinger er mærkerne på en akse. Angiv deres positioner med ax.set_xticks([0, 1, 2]) og deres tekst med ax.set_xticklabels(['Jan', 'Feb', 'Mar']).

Hvis du drejer lange etiketter med rotation=45, undgår du overlap.

Gitterlinjer

Tilføj et gitter med ax.grid(True) for at hjælpe læserne med at anslå værdier. Hold gitterlinjerne diskrete, så de ikke konkurrerer med dataene.

Du kan kun vise vandrette gitterlinjer med ax.grid(axis='y').

Annoteringer

Fremhæv et bestemt punkt med ax.annotate('Peak', xy=(x, y)). Annoteringer retter opmærksomheden mod den del af diagrammet, der er vigtigst.

At finde punktet, der skal annoteres, er almindelig Python.

data = [10, 25, 80, 40, 15]
peak_index = data.index(max(data))
print('Annotate peak at x =', peak_index, 'value =', data[peak_index])

Finpudsning af layoutet

Når du har tilføjet etiketter, skal du kalde fig.tight_layout(), så intet bliver skåret af. Det justerer automatisk mellemrummene, så titler og etiketter passer ind i figuren.

Det er den sidste finpudsning, før du gemmer eller viser figuren.

Formatering af tekst

De fleste tekstmetoder accepterer formateringsargumenter: fontsize, fontweight='bold' og color. For eksempel fremhæver ax.set_title('Sales', fontsize=16, fontweight='bold') titlen.

Brug fremhævelse sparsomt, så det er dataene og ikke pynten, der forbliver i fokus.

Hurtigt tjek

Vælg den rigtige metode til opgaven.

Besvar den i den interaktive lektion

Opsamling

Du har lært værktøjskassen til tilpasning:

set_title, set_xlabel og set_ylabel til kontekst
legend til navngivning af dataserier og color til ensartethed
set_xlim / set_ylim, akseinddelinger og grid
annotate til fremhævelse og tight_layout til finpudsning

Tilsammen forvandler de rå data til en klar fortælling.

Gratis at komme i gang

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: 76
Lektioner: 320

Start gratis Se hele kurset

Ofte stillede spørgsmål

Er lektionen “Tilpasning af plots” gratis?

Ja — hele teksten til “Tilpasning af plots” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Python Academy-kurset, skal du opgradere til CoddyKit PRO. Python Academy-kurset indeholder 4 lektioner i alt.

Hvad lærer jeg i “Tilpasning af plots”?

Tilføj titler, etiketter og signaturforklaringer Du øver dig i Python Academy 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 Python Academy?

Der kræves ingen tidligere erfaring. Python Academy 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 3 af 4.

Hvor lang tid tager lektionen “Tilpasning af plots”?

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 Python Academy-lektion?

Ja. Alle Python Academy-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

← Tilbage til Python Academy