آموزش بصری‌سازی داده‌ها با Matplotlib در پایتون - آخرین آپدیت

درس ها Lessons

• Einführung

• Überblick über die ersten Schritte

• Warum Matplotlib für die Datenvisualisierung verwenden?

• Installation und erste Schritte mit Matplotlib

• Überblick über den Start mit Matplotlib

• Hilfe, Funktionen und Dokumentation nutzen

• Welche Visualisierungstypen gibt es in Matplotlib?

• Arbeiten mit Beispieldaten aus statsmodels

• Matplotlib Cheatsheets: Eine kompakte Übersicht

• Kapitel-Einführung: Grafiken erstellen mit Matplotlib

• Erste Diagramme mit dem plot-Befehl

• show()-Befehl und Zeichensymbole verstehen

• Visualisierungen auf Basis von Datensätzen

• Formatierungen und Konfigurationen gezielt einsetzen

• Balken- und Säulendiagramme erstellen

• Streudiagramme verwenden

• Übung: Streudiagramme gestalten

• Musterlösung: Streudiagramm-Übung

• Kreisdiagramme Teil 1 – Grundlagen

• Kreisdiagramme Teil 2 – Titanic-Projekt

• Flächendiagramme zur Darstellung von Entwicklungen

• Boxplots Teil 1 – Einführung

• Boxplots Teil 2 – Weiterführende Techniken

• Histogramme erstellen

• Histogramme nach Kategorien gruppieren

• Finanzdaten anschaulich visualisieren

• Übung: Grundlagen der Visualisierung

• Musterlösung Teil 1

• Musterlösung Teil 2

• Musterlösung Teil 3

• Musterlösung Teil 4

• Musterlösung Teil 5

• Einführung in erweiterte Techniken

• Subplots Teil 1 – mehrere Diagramme gleichzeitig

• Subplots Teil 2 – Feineinstellungen

• Programmieraufgabe: Subplots erstellen

• Lösung zur Programmieraufgabe Subplots

• Hintergründe konfigurieren

• Farben und Colormaps sinnvoll einsetzen

• Styles und Farbschemata nutzen

• Größenverhältnisse anpassen

• Auflösung verbessern für Präsentationen

• Grafiken speichern

• Achsen invertieren

• Texte in Grafiken einfügen

• Achsenbereiche festlegen

• Achsenbeschriftungen rotieren

• Einführung in erweiterte Visualisierungstypen

• 3D-Darstellungen mit Matplotlib

• Stem-Plots für kategorische Werte

• Barbs-Diagramme (Vektoren)

• Step-Plots für diskrete Daten

• Violinplots für Verteilungsvergleiche

• Trigonometrische Plots

• Errorbars – Fehlerspannen darstellen

• Hexbin-Plots für Dichteanalysen

• Eventplots – Ereignisse visuell abbilden

• Flächen zwischen Kurven mit fill_between

• Einführung in Matplotlib-Module

• Das pyplot-Modul im Detail

• Patches – Formen und Flächen zeichnen

• Farben gezielt steuern mit colors

• Arbeiten mit NumPy in Visualisierungen

• Datumswerte und Zeitachsen mit dates

• Abschluss