Datenvisualisierung mit¶
Um mit Matplotlib arbeiten zu können, muss die Bibliothek erst einmal importiert werden.
-Damit wir nicht so viel tippen müssen, geben wir ihr den kürzeren Namen plt.
from IPython.display import Image
-
-import matplotlib.pyplot as plt
-
-plt.rcParams["figure.figsize"] = (10, 8)
-plt.rcParams["font.size"] = 16
-plt.rcParams["lines.linewidth"] = 2
-Außerdem brauchen wir der Einfachheit halber ein paar Funktionen aus numpy, die dir schon bekannt vorkommen sollten.
import numpy as np
-
-x = np.linspace(0, 1) # gibt 50 Zahlen in gleichmäßigem Abstand von 0–1
-Zu erst ein einfaches Beispiel mit $f(x)=x^2$.
-Um den Text-Output in diesem Notebook zu unterdrücken, schreiben wir manchmal ein ; hinter die letzte Zeile.
Im Folgenden verwenden wir die objekt-orientierte Schreibweise von matplotlib, die mehr Möglichkeiten und Freiheiten bietet.
-Diese rufst du mit
fig, ax = plt.subplots()
-
-ax.plot(x, x**2);
-
-auf.
-Du hast dann ein Objekt figure fig und ein Objekt axes ax, mit denen du interagieren und die Einstellungen im plot vornehmen kannst.
Das Objekt figure ist dabei die gesamte Abbildung, auf der sich Axen, labels und Text befinden können.
-Die einzelnen axes Objekte sind die jeweiligen Koordinatensysteme, in die man die entsprechenden Daten plottet.
-Mit diesen können auch Informationen über die Einheiten und Darstellung mit den Achsen definiert werden.
Anderes Beispiel: $\sin(t)$ mit verschiedenen Stilen. Vorsicht, die Funktionen und $\pi$ sind Bestandteil von numpy.
t = np.linspace(0, 2 * np.pi)
-
-fig, ax = plt.subplots()
-ax.plot(t, np.sin(t));
-
-fig2, ax2 = plt.subplots()
-ax2.plot(t, np.sin(t), "r--");
-
-ax.cla()
-ax.plot(t, np.sin(t), "go")
-fig
-
-Tabelle mit einigen Farben und Stilen: matplotlib.axes.Axes.plot
-Tabellen mit allen Farben und Stilen:
--
-
- Marker -
- Linienstile -
- Farben -
Der Vorteil ist nun, dass du z.B. mehrere Objekte fig und ax parallel benutzen und nachträglich wieder auf das vorherige zugreifen kannst.
Du kannst so auch im Nachhinein noch Dinge verändern und trotzdem die andere figure unverändert lassen.
fig
-
-Neue Grenzen mit set_xlim(a, b) und set_ylim(a, b)
ax.set_xlim(0, 2 * np.pi)
-ax.set_ylim(-1.2, 1.2)
-fig
-
-fig2
-
-Es fehlt noch etwas...¶
-# https://imgs.xkcd.com/comics/convincing.png
-Image(filename="images/xkcd-convincing.png")
-
-with plt.xkcd():
- fig, ax = plt.subplots()
-
- ax.set_title("Axes with labels")
- ax.plot(t, np.sin(t))
- ax.set_xlabel("t / s")
- ax.set_ylabel("U / V")
- ax.set_ylim(-1.1, 1.1)
- ax.set_xlim(0, 2 * np.pi);
-findfont: Font family 'Comic Neue' not found. -+
Datenvisualisierung mit¶
findfont: Font family 'xkcd' not found. -+
Um mit Matplotlib arbeiten zu können, muss die Bibliothek erst einmal importiert werden.
+Damit wir nicht so viel tippen müssen, geben wir ihr den kürzeren Namen plt.
from IPython.display import Image
+
+import matplotlib.pyplot as plt
+
+plt.rcParams["figure.figsize"] = (10, 8)
+plt.rcParams["font.size"] = 16
+plt.rcParams["lines.linewidth"] = 2
+findfont: Font family 'xkcd Script' not found. -+
Außerdem brauchen wir der Einfachheit halber ein paar Funktionen aus numpy, die dir schon bekannt vorkommen sollten.
import numpy as np
+
+x = np.linspace(0, 1) # gibt 50 Zahlen in gleichmäßigem Abstand von 0–1
+findfont: Font family 'Comic Neue' not found. -+
Zu erst ein einfaches Beispiel mit $f(x)=x^2$.
+Um den Text-Output in diesem Notebook zu unterdrücken, schreiben wir manchmal ein ; hinter die letzte Zeile.
Im Folgenden verwenden wir die objekt-orientierte Schreibweise von matplotlib, die mehr Möglichkeiten und Freiheiten bietet.
+Diese rufst du mit
fig, ax = plt.subplots()
+
+ax.plot(x, x**2);
+findfont: Font family 'Comic Sans MS' not found. -+
findfont: Font family 'Comic Neue' not found. -+
auf.
+Du hast dann ein Objekt figure fig und ein Objekt axes ax, mit denen du interagieren und die Einstellungen im plot vornehmen kannst.
Das Objekt figure ist dabei die gesamte Abbildung, auf der sich Axen, labels und Text befinden können.
+Die einzelnen axes Objekte sind die jeweiligen Koordinatensysteme, in die man die entsprechenden Daten plottet.
+Mit diesen können auch Informationen über die Einheiten und Darstellung mit den Achsen definiert werden.
Anderes Beispiel: $\sin(t)$ mit verschiedenen Stilen. Vorsicht, die Funktionen und $\pi$ sind Bestandteil von numpy.
findfont: Font family 'xkcd' not found. -+
t = np.linspace(0, 2 * np.pi)
+
+fig, ax = plt.subplots()
+ax.plot(t, np.sin(t));
+findfont: Font family 'Comic Neue' not found. -+
findfont: Font family 'xkcd Script' not found. -+
fig2, ax2 = plt.subplots()
+ax2.plot(t, np.sin(t), "r--");
+findfont: Font family 'Comic Sans MS' not found. -+
findfont: Font family 'Comic Neue' not found. -+
ax.cla()
+ax.plot(t, np.sin(t), "go")
+fig
+findfont: Font family 'xkcd' not found. -+
findfont: Font family 'Comic Sans MS' not found. -+
Tabelle mit einigen Farben und Stilen: matplotlib.axes.Axes.plot
+Tabellen mit allen Farben und Stilen:
+-
+
- Marker +
- Linienstile +
- Farben +
findfont: Font family 'Comic Neue' not found. -+
Der Vorteil ist nun, dass du z.B. mehrere Objekte fig und ax parallel benutzen und nachträglich wieder auf das vorherige zugreifen kannst.
Du kannst so auch im Nachhinein noch Dinge verändern und trotzdem die andere figure unverändert lassen.
findfont: Font family 'xkcd' not found. -+
fig
+findfont: Font family 'Comic Neue' not found. -+
findfont: Font family 'xkcd Script' not found. -+
Neue Grenzen mit set_xlim(a, b) und set_ylim(a, b)
ax.set_xlim(0, 2 * np.pi)
+ax.set_ylim(-1.2, 1.2)
+fig
+findfont: Font family 'Comic Neue' not found. -+
fig2
+findfont: Font family 'Comic Sans MS' not found. -+
findfont: Font family 'Comic Neue' not found. -+
Es fehlt noch etwas...¶
findfont: Font family 'xkcd' not found. -+
# https://imgs.xkcd.com/comics/convincing.png
+Image(filename="images/xkcd-convincing.png")
+findfont: Font family 'Comic Neue' not found. -+
findfont: Font family 'xkcd Script' not found. -+
with plt.xkcd():
+ fig, ax = plt.subplots()
+
+ ax.set_title("Axes with labels")
+ ax.plot(t, np.sin(t))
+ ax.set_xlabel("t / s")
+ ax.set_ylabel("U / V")
+ ax.set_ylim(-1.1, 1.1)
+ ax.set_xlim(0, 2 * np.pi);
+findfont: Font family 'Comic Sans MS' not found. -+
Einheiten in Achsenbeschriftungen werden wegdividiert:¶
Achsen-Beschriftungen können mit LaTeX-Code erstellt werden → LaTeX-Kurs in der nächsten Woche.
fig, ax = plt.subplots()
ax.plot(t, np.sin(t))
@@ -16200,30 +7911,39 @@ Einheiten in Ach
+
Mehr zu Einheiten gibt es im LaTeX-Kurs.
Als eine alternative Schreibweise für die verschiedenen settings der axes kann man auch
ax.set(
xlim=(0, 2 * np.pi),
xlabel=r"$t / \mathrm{s}$",
@@ -16234,37 +7954,50 @@ Einheiten in Ach
+
verwenden.
Dabei können alle notwendigen Optionen der axes dann gebündelt hingeschrieben werden, was in der Übersichtlichkeit helfen kann.
Legende¶
Legenden für Objekte die ein label tragen
ax.plot(t, np.sin(t), label=r"$\sin(t)$")
ax.legend()
# ax.legend(loc="lower left")
@@ -16277,28 +8010,38 @@ Legende¶
Leg
Seit matplotlib 2.0.2 ist loc=best standardmäßig eingestellt.
Andere möglche Orte für die Legende findest du in der Dokumentation.
Gitter¶
Mit grid() wird ein Gitter erstellt:
Hier wird auch der Vorteil der objekt-orientierten Schreibweise deutlich. Wir müssen keinen neuen plot erstellen, sondern können dem in fig hinterlegten neue Eigenschaften hinzufügen.
Andere möglche Orte für die Legende findest du hier:
@@ -16306,11 +8049,14 @@
Gitter¶
Mit
ax.grid()
# ax.grid(visible=None)
fig
@@ -16322,29 +8068,38 @@ Gitter¶
Mit
+
Laden von Daten¶
x, y = np.genfromtxt("data/example_data_linear.txt", unpack=True)
fig, ax = plt.subplots()
@@ -16356,31 +8111,40 @@ Laden von Daten
-
-
-
-
-
+
+
+
+
+
+
+
+
+
-
-
-
+
+
+
+
+
+
Auslagern in ein Skript¶
Speicher den folgenden Code in eine Textdatei plot.py ab.
Öffne ein Terminal und starte das python-script mit:
python plot.py
-
-
-In [17]:
-
-
+
+
+
+
+
+In [17]:
+
+
-
-
-
-
-
-
+
+
+
+
+
+
+
+
+
-
-
-
+
+
+
+
+
+
-
+