Python Academy · Lektion

Diagramme anpassen

Titel, Beschriftungen und Legenden ergänzen

Diagramme anpassen ist eine kostenlose Python Academy-Lektion auf CoddyKit. Dies ist Lektion 3 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Python Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Python Academy-Kurs umfasst insgesamt 4 Lektionen.

Von Rohdaten zu verständlichen Diagrammen

Ein bloßes Diagramm zeigt Daten, vermittelt den Leserinnen und Lesern aber nur wenig. Anpassungen liefern den Kontext, der aus einem Plot eine klare Aussage macht: Titel, Achsenbeschriftungen, Legenden, Ticks und Anmerkungen.

All dies sind Methoden des Axes-Objekts.

Titel

Geben Sie jedem Axes-Objekt mit ax.set_title('Monthly Sales') einen Titel. Ein Titel für die gesamte Figure wird mit fig.suptitle('Report') gesetzt.

Der Titel sollte angeben, was das Diagramm zeigt, und nicht nur den Spaltennamen wiederholen.

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

Achsenbeschriftungen

Beschriften Sie beide Achsen mit ax.set_xlabel('Month') und ax.set_ylabel('Revenue (USD)'). Geben Sie immer die Einheiten an, sofern es welche gibt.

Unbeschriftete Achsen sind der häufigste Grund dafür, dass ein Diagramm sein Publikum verwirrt.

Legenden

Wenn ein Axes-Objekt mehrere Datenreihen enthält, identifiziert eine Legende diese. Übergeben Sie beim Zeichnen ein label und rufen Sie anschließend ax.legend() auf.

Die Legende verwendet die Beschriftungen, die Sie jeder gezeichneten Linie zugewiesen haben.

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

Farben

Legen Sie eine Farbe mit dem Argument color fest. Sie können Namen wie 'red', Hex-Codes wie '#1f77b4' oder Kurz-Codes wie 'g' verwenden.

Durchgängig verwendete Farben in verschiedenen Diagrammen helfen den Leserinnen und Lesern, dieselbe Datenreihe zu verfolgen.

Achsengrenzen

Steuern Sie den sichtbaren Bereich mit ax.set_xlim(0, 10) und ax.set_ylim(0, 100). Das ist nützlich, um hineinzuzoomen oder eine Nulllinie zu erzwingen, damit Balkenhöhen ehrlich bleiben.

Hier berechnen wir automatisch einen Bereich mit Rand.

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

Ticks und Tick-Beschriftungen

Ticks sind die Markierungen auf einer Achse. Legen Sie ihre Positionen mit ax.set_xticks([0, 1, 2]) und ihren Text mit ax.set_xticklabels(['Jan', 'Feb', 'Mar']) fest.

Wenn Sie lange Beschriftungen mit rotation=45 drehen, verhindern Sie Überlappungen.

Gitternetzlinien

Fügen Sie mit ax.grid(True) ein Gitternetz hinzu, damit Leserinnen und Leser Werte leichter einschätzen können. Halten Sie das Gitternetz dezent, damit es nicht mit den Daten konkurriert.

Mit ax.grid(axis='y') können Sie nur horizontale Gitternetzlinien anzeigen.

Anmerkungen

Heben Sie mit ax.annotate('Peak', xy=(x, y)) einen bestimmten Punkt hervor. Anmerkungen lenken die Aufmerksamkeit auf den wichtigsten Teil des Diagramms.

Den zu annotierenden Punkt zu finden, ist gewöhnliches Python.

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

Feinschliff am Layout

Rufen Sie nach dem Hinzufügen von Beschriftungen fig.tight_layout() auf, damit nichts abgeschnitten wird. Dadurch werden die Abstände automatisch angepasst, sodass Titel und Beschriftungen in die Figure passen.

Das ist der letzte Feinschliff vor dem Speichern oder Anzeigen.

Textformatierung

Die meisten Textmethoden akzeptieren Formatierungsargumente: fontsize, fontweight='bold' und color. Beispielsweise hebt ax.set_title('Sales', fontsize=16, fontweight='bold') den Titel hervor.

Setzen Sie Hervorhebungen sparsam ein, damit die Daten und nicht die Dekoration im Mittelpunkt bleiben.

Kurzer Test

Wählen Sie die passende Methode für die jeweilige Aufgabe.

Zusammenfassung

Sie haben das Werkzeug für Diagrammanpassungen kennengelernt:

set_title, set_xlabel, set_ylabel für Kontext
legend zum Benennen von Datenreihen, color für Konsistenz
set_xlim / set_ylim, Ticks und grid
annotate zum Hervorheben und tight_layout für den Feinschliff

Zusammen verwandeln sie Rohdaten in eine klare Geschichte.

Häufig gestellte Fragen

Ist die Lektion „Diagramme anpassen“ kostenlos?

Ja — der vollständige Text von „Diagramme anpassen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Python Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Python Academy-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Diagramme anpassen“?

Titel, Beschriftungen und Legenden ergänzen Du übst Python Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um Python Academy zu starten?

Keine Vorkenntnisse erforderlich. Python Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 3 von 4.

Wie lange dauert die Lektion „Diagramme anpassen“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser Python Academy-Lektion Code schreiben und ausführen?

Ja. Jede Python Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

← Zurück zu Python Academy