Datavisualisering med Matplotlib

Matplotlib er et populært Python-bibliotek til at oprette visualiseringer, herunder linjediagrammer, søjlediagrammer, punktdiagrammer og meget mere.

I denne lektion lærer du, hvordan du bruger Matplotlib til at oprette og tilpasse forskellige typer diagrammer.

Du installerer Matplotlib ved at 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")

Du kan oprette et grundlæggende linjediagram med 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()

Matplotlib giver dig mulighed for at tilpasse diagrammer med titler, etiketter, signaturforklaringer og forskellige linjestile:

# 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()

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()

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()

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()

Du kan føje 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()

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.

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.