Matplotlib und Seaborn: Visualisierung in Python

You are here:

Matplotlib ist eine weit verbreitete und leistungsstarke Python-Bibliothek zur Erstellung von Diagrammen und Visualisierungen. Seaborn ist eine auf Matplotlib basierende Bibliothek, die eine höhere Abstraktionsebene und ansprechende voreingestellte Designs bietet.

Matplotlib-Grundlagen

Um Matplotlib zu verwenden, musst Du zunächst die Bibliothek importieren:

import matplotlib.pyplot as plt

Erstellen eines einfachen Liniendiagramms:

import numpy as np

x = np.linspace(0, 10, 100)

y = np.sin(x)

plt.plot(x, y)

plt.show()

Diagrammtypen in Matplotlib

Matplotlib bietet verschiedene Diagrammtypen, z. B. Balkendiagramme, Streudiagramme und Histogramme.

Balkendiagramm:

x = ['A', 'B', 'C', 'D', 'E']

y = [3, 7, 2, 5, 8]

plt.bar(x, y)

plt.show()

Streudiagramm:

x = np.random.rand(50)

y = np.random.rand(50)

plt.scatter(x, y)

plt.show()

Histogramm:

data = np.random.randn(1000)

plt.hist(data, bins=30)

plt.show()

Seaborn-Grundlagen

Um Seaborn zu verwenden, musst Du die Bibliothek importieren:

import seaborn as sns

Seaborn bietet auch voreingestellte Designs, die die Ästhetik von Matplotlib-Diagrammen verbessern:

sns.set()

Diagrammtypen in Seaborn

Seaborn bietet zusätzliche Diagrammtypen und Funktionen, die auf Matplotlib aufbauen, z. B. Violin-Plots, Box-Plots und Heatmaps.

Violin-Plot:

import pandas as pd

data = pd.DataFrame({

    "Category": ["A", "A", "B", "B", "C", "C"],

    "Value": [3, 5, 7, 8, 4, 6]

})

sns.violinplot(x="Category", y="Value", data=data)

plt.show()

Box-Plot:

sns.boxplot(x="Category", y="Value", data=data)

plt.show()

Heatmap:

data = np.random.rand(10, 12)

sns.heatmap(data)

plt.show()

Fazit

Matplotlib und Seaborn sind leistungsstarke Werkzeuge zur Datenvisualisierung in Python. Während Matplotlib eine solide Grundlage für die Erstellung verschiedener Diagrammtypen bietet, ergänzt Seaborn die Funktionalität mit zusätzlichen Diagrammtypen und ansprechenden Designs. Durch das Kombinieren beider Bibliotheken kannst Du effektiv und einfach komplexe Datenvisualisierungen erstellen, um Deine Daten besser zu verstehen und zu präsentieren.