Matplotlib

Matplotlib ist eine umfassende Bibliothek zum Erstellen statischer, animierter und interaktiver Visualisierungen in Python. Es ist besonders nützlich für wissenschaftliche und datenbezogene Visualisierungen.

Installation

Um Matplotlib zu installieren, kann man pip verwenden:

pip install matplotlib

Grundlegendes Beispiel

Hier ist ein einfaches Beispiel, das zeigt, wie man mit Matplotlib ein Liniendiagramm erstellt:

import matplotlib.pyplot as plt

# Daten
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# Liniendiagramm erstellen
plt.plot(x, y)
plt.xlabel('x-Achse')
plt.ylabel('y-Achse')
plt.title('Einfaches Liniendiagramm')
plt.show()

Histogramm

Ein Histogramm ist nützlich, um die Verteilung einer Datenmenge darzustellen. Hier ist ein Beispiel:

import matplotlib.pyplot as plt
import numpy as np

# Zufallsdaten generieren
data = np.random.randn(1000)

# Histogramm erstellen
plt.hist(data, bins=30, edgecolor='black')
plt.xlabel('Werte')
plt.ylabel('Häufigkeit')
plt.title('Histogramm der Zufallsdaten')
plt.show()

Punktwolkendiagramm (Scatter Plot)

Ein Punktwolkendiagramm zeigt die Beziehung zwischen zwei Variablen. Im ersten Beispiel sieht man, dass wenig Korrelation besteht, während im zweiten Beispiel ein starker Zusammenhang zwischen den beiden Arrays besteht.

import matplotlib.pyplot as plt
import numpy as np

# Zufallsdaten generieren
x = np.random.rand(50)
y = np.random.rand(50)

# Scatter Plot erstellen
plt.scatter(x, y, c='blue', alpha=0.5)
plt.xlabel('x-Werte')
plt.ylabel('y-Werte')
plt.title('Punktwolkendiagramm')
plt.show()

import matplotlib.pyplot as plt
import numpy as np

# Funktion für linearen Zusammenhang
def linear_function(x):
    return 0.5 * x + 3  # Beispiel einer linearen Funktion: y = 0.5x + 3

# x-Werte generieren
x = np.linspace(0, 100, 30)  # 30 äquidistante Werte von 0 bis 100
y = linear_function(x) + np.random.normal(0, 5, 30)  # Zufällige Abweichung mit Normalverteilung (Mittelwert 0, Standardabweichung 5)

# Scatter Plot erstellen
plt.scatter(x, y, c='blue', alpha=0.5)
plt.xlabel('x-Werte')
plt.ylabel('y-Werte')
plt.title('Punktwolkendiagramm')
plt.show()

Balkendiagramm

Ein Balkendiagramm zeigt die Werte für verschiedene Kategorien.

import matplotlib.pyplot as plt

# Daten
categories = ['A', 'B', 'C', 'D']
values = [3, 7, 8, 5]

# Balkendiagramm erstellen
plt.bar(categories, values, color='green')
plt.xlabel('Kategorien')
plt.ylabel('Werte')
plt.title('Balkendiagramm')
plt.show()

Boxplot

Ein Boxplot zeigt die Verteilung einer Datenmenge und hebt Ausreißer hervor.

import matplotlib.pyplot as plt
import numpy as np

# Zufallsdaten generieren
data = [np.random.randn(100) for _ in range(4)]

# Boxplot erstellen
plt.boxplot(data, patch_artist=True)
plt.xlabel('Gruppe')
plt.ylabel('Werte')
plt.title('Boxplot')
plt.show()