Summary  
This chapter introduces how to use a high-level plotting library interface to generate interactive charts with just a few lines of code.  

General domain of usage  
Data visualization

**Matplotlib** er et kraftfuldt og udbredt Python-bibliotek til oprettelse af statiske, animerede og interaktive visualiseringer. Det giver en fleksibel og tilpasningsdygtig metode til at generere et bredt udvalg af grafer og diagrammer, herunder linjediagrammer, søjlediagrammer, histogrammer, spredningsdiagrammer og mere.

Definition

Selvom det tilbyder omfattende funktionalitet til at oprette forskellige typer af grafer, er det overraskende **nemt at bruge**. Derudover er `matplotlib` **open source**, hvilket betyder, at det er frit tilgængeligt og løbende forbedres af et stort fællesskab.

`matplotlib` er et fremragende udgangspunkt for at lære datavisualisering i Python, da mange andre biblioteker er bygget ovenpå det.

Før vi dykker ned i `matplotlib`, lad os se på et eksempel på en graf oprettet med det:

Dette plot kan oprettes med kun få linjer kode. Derudover er det muligt at gøre det **interaktivt**, hvilket demonstrerer mulighederne i `matplotlib`.  

Størstedelen af `matplotlib`-værktøjerne findes i `pyplot`-undermodulet, som anvendes gennem hele kurset.


import unittest
import ast
import inspect
import user_code

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

class TestMatplotlibImports(unittest.TestCase):
    def setUp(self):
        self.source = inspect.getsource(user_code)
        self.tree = ast.parse(self.source)

    def test_import_without_from(self):
        found = any(
            isinstance(node, ast.Import) and
            any(alias.name == "matplotlib.pyplot" and alias.asname == "plt" for alias in node.names)
            for node in self.tree.body
        )
        _dynamic_test(
            self,
            found,
            "Import without 'from' keyword is correct",
            "Missing or incorrect import without 'from' keyword"
        )

    def test_import_with_from(self):
        found = any(
            isinstance(node, ast.ImportFrom) and
            node.module == "matplotlib" and
            any(alias.name == "pyplot" and alias.asname == "plt" for alias in node.names)
            for node in self.tree.body
        )
        _dynamic_test(
            self,
            found,
            "Import with 'from' keyword is correct",
            "Missing or incorrect import with 'from' keyword"
        )

if __name__ == "__main__":
    unittest.main()


test_import.py

Behersk de grundlæggende færdigheder inden for datavisualisering ved hjælp af den objektorienterede tilgang i Matplotlib. Lær at kontrollere alle aspekter af dine figurer, fra akser og signaturforklaringer til farver og stilarter. Opret statiske diagrammer i professionel kvalitet, håndter tidsseriedata og eksporter grafik i høj opløsning til rapporter og publikationer.

Kom Godt I Gang Med Matplotlib

Løsning

Kom Godt I Gang Med Matplotlib

Løsning