Python-Diagramme erstellen: Datenvisualisierung mit Matplotlib

Grundlagen der Diagrammerstellung in Python

Datenvisualisierung ist ein zentrales Werkzeug für die Informationsanalyse. Diagramme helfen dabei, Trends schnell zu erkennen, Anomalien aufzudecken und fundierte Schlussfolgerungen zu ziehen. Python bietet eine breite Palette an Bibliotheken zur Erstellung von Visualisierungen.

Warum Diagramme in Python?

Das Erstellen von Diagrammen in Python ist für folgende Aufgaben unerlässlich:

• Schnelle Analyse großer Datenmengen
• Anschauliche Darstellung von Experiment- und Forschungsergebnissen
• Präsentation von Daten für Kunden und Kollegen
• Steigerung der Aussagekraft von Berichten und Dashboards
• Aufdecken verborgener Muster in Daten
• Erstellung interaktiver Visualisierungen für Webanwendungen

Überblick über beliebte Visualisierungsbibliotheken

Zu den gefragtesten Werkzeugen für die Diagrammerstellung in Python gehören:

Matplotlib – die grundlegende Visualisierungsbibliothek mit niedriger Einstiegshürde. Bietet volle Kontrolle über das Erscheinungsbild von Diagrammen.

Pyplot – ein Modul der Matplotlib-Bibliothek zur schnellen Erstellung von Standarddiagrammen. Zeichnet sich durch einfache Handhabung aus.

Seaborn – eine Bibliothek für statistische Visualisierung, die als Erweiterung von Matplotlib fungiert. Mittlerer Schwierigkeitsgrad.

Plotly – ein Werkzeug zur Erstellung interaktiver Diagramme mit mittlerem Schwierigkeitsgrad.

Pandas Plot – integrierte Visualisierungsmöglichkeiten direkt aus DataFrames mit niedriger Einstiegshürde.

Arbeiten mit der Matplotlib-Bibliothek und dem Pyplot-Modul

Installation und Import der Bibliothek

Um mit Matplotlib zu arbeiten, muss die Bibliothek zunächst installiert werden:

pip install matplotlib

Anschließend importieren wir die benötigten Module:

import matplotlib.pyplot as plt

Erstellen eines einfachen Liniendiagramms

Ein grundlegendes Beispiel für ein Liniendiagramm:

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

plt.plot(x, y)
plt.title("Einfaches Liniendiagramm")
plt.xlabel("X-Achse")
plt.ylabel("Y-Achse")
plt.show()

Das Ergebnis zeigt den linearen Zusammenhang zwischen den Variablen X und Y.

Anpassung von Stil und Erscheinungsbild

Zur Verbesserung des Diagramm-Layouts können verschiedene Parameter genutzt werden:

plt.plot(x, y, color='green', linestyle='--', marker='o')
plt.title("Angepasstes Diagramm")
plt.grid(True)
plt.show()

Wichtige Anpassungsparameter:

• color – Linienfarbe
• linestyle – Linienstil (-- gestrichelt, -. strichpunktiert, : gepunktet)
• marker – Marker zur Kennzeichnung von Punkten (o, s, ^, v)
• linewidth – Linienstärke
• alpha – Transparenz

Erstellung von Balken- und Kreisdiagrammen

Balkendiagramm erstellen

Balkendiagramme eignen sich hervorragend zum Vergleich von Werten zwischen Kategorien:

categories = ['A', 'B', 'C', 'D']
values = [10, 24, 36, 40]

plt.bar(categories, values, color='skyblue')
plt.title("Balkendiagramm")
plt.xlabel("Kategorien")
plt.ylabel("Werte")
plt.show()

Kreisdiagramm erstellen

Kreisdiagramme zeigen den Anteil jeder Kategorie am Gesamtergebnis:

sizes = [40, 30, 20, 10]
labels = ['Python', 'Java', 'C++', 'Ruby']

plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)
plt.title("Kreisdiagramm")
plt.axis('equal')  # sorgt für eine runde Form
plt.show()

Parameter für Kreisdiagramme:

• autopct – Format der Prozentanzeige
• startangle – Startwinkel der ersten Kategorie