Datenvisualisierung mit Python und JavaScript, 2.

Kapitel 10. Daten mit Matplotlib visualisieren

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Als Datenvisualisierer ist eine der besten Möglichkeiten, deine Daten in den Griff zu bekommen, sie interaktiv zu visualisieren, indem du die ganze Bandbreite an Diagrammen und Plots nutzt, die sich zur Zusammenfassung und Verfeinerung von Datensätzen entwickelt haben. In der Regel werden die Ergebnisse dieser Erkundungsphase als statische Zahlen präsentiert, aber zunehmend werden sie auch für die Erstellung von interaktiven, webbasierten Diagrammen verwendet, wie z. B. die coolen D3-Visualisierungen, die du wahrscheinlich schon gesehen hast (eine davon werden wir in Teil V erstellen).

Die Matplotlib von Python und ihre Erweiterungen (wie z. B. das statistisch ausgerichtete seaborn) bilden ein ausgereiftes und sehr anpassungsfähiges Plot-Ökosystem. Matplotlib-Plots können interaktiv von IPython (den Qt- und Notebook-Versionen) verwendet werden und bieten eine sehr leistungsfähige und intuitive Möglichkeit, interessante Nuggets in deinen Daten zu finden. In diesem Kapitel stellen wir Matplotlib und eine seiner großartigen Erweiterungen, seaborn, vor.

pyplot und Matplotlib objektorientiert

Matplotlib kann mehr als nur ein bisschen verwirrend sein, vor allem, wenn du anfängst, wahllos Beispiele online zu suchen. Der komplizierteste Faktor ist, dass es zwei Hauptwege gibt, um Plots zu erstellen, die ähnlich ...