Abbildungen vorbereiten, um sie mit anderen zu teilen

Einführung in die Datenvisualisierung mit Matplotlib

Ariel Rokem

Data Scientist

Diagrammstil ändern

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.plot(seattle_weather["MONTH"], seattle_weather["MLY-TAVG-NORMAL"])
ax.plot(austin_weather["MONTH"], austin_weather["MLY-TAVG-NORMAL"])
ax.set_xlabel("Time (months)")
ax.set_ylabel("Average temperature (Fahrenheit degrees)")
plt.show()

Stil auswählen

plt.style.use("ggplot")

fig, ax = plt.subplots()
ax.plot(seattle_weather["MONTH"], seattle_weather["MLY-TAVG-NORMAL"])
ax.plot(austin_weather["MONTH"], austin_weather["MLY-TAVG-NORMAL"])
ax.set_xlabel("Time (months)")
ax.set_ylabel("Average temperature (Fahrenheit degrees)")
plt.show()

Zurück zu den Standardeinstellungen

plt.style.use("default")

Die verfügbaren Stile

https://matplotlib.org/stable/gallery/style_sheets/ style_sheets_reference.html

Der „bmh“-Stil

plt.style.use("bmh")

fig, ax = plt.subplots()
ax.plot(seattle_weather["MONTH"], seattle_weather["MLY-TAVG-NORMAL"])
ax.plot(austin_weather["MONTH"], austin_weather["MLY-TAVG-NORMAL"])
ax.set_xlabel("Time (months)")
ax.set_ylabel("Average temperature (Fahrenheit degrees)")
plt.show()

Seaborn-Stile

plt.style.use("seaborn-colorblind")

fig, ax = plt.subplots()
ax.plot(seattle_weather["MONTH"], seattle_weather["MLY-TAVG-NORMAL"])
ax.plot(austin_weather["MONTH"], austin_weather["MLY-TAVG-NORMAL"])
ax.set_xlabel("Time (months)")
ax.set_ylabel("Average temperature (Fahrenheit degrees)")
plt.show()

Tipps zur Auswahl des Diagrammstils

Dunkle Hintergründe sind meistens schlechter sichtbar
Wenn Farbe wichtig ist: Farbenblindheit berücksichtigen
- „seaborn-colorblind“ oder „tableau-colorblind10“
Wenn Abbildung ausgedruckt werden soll: weniger Farbe verwenden
Wenn schwarz-weiß gedruckt werden soll: Stil „grayscale“ wählen

Zeit für ein paar Übungen!

Einführung in die Datenvisualisierung mit Matplotlib