Summary  
This chapter introduces how to create and manage Figure and Axes objects in matplotlib’s artist layer via the pyplot module, demonstrating the use of subplots() to set up a canvas, plotting on the Axes, and printing the canvas with show().

General domain of usage  
Data visualization

`matplotlib` verfügt über drei Ebenen:
* **Backend-Ebene**: rendert das Diagramm auf Bildschirme oder in Dateien;
* **Artist-Ebene**: beschreibt, wie Daten angeordnet sind, besteht aus einem Objekt, `Artist`;
* **Scripting-Ebene**: verbindet die beiden vorherigen Ebenen und vereinfacht den Zugriff auf sie.

Der Hauptfokus liegt auf der Scripting-Ebene mit dem Modul `pyplot` sowie auf der Artist-Ebene. Die Artist-Ebene umfasst Folgendes:

* **Container** (z. B. `Figure`, `Axes`);
* **Primitives** (z. B. Linie, Rechteck, Kreis, Text usw.).

`Figure` ist das zentrale `Artist`-Objekt und kann als Leinwand betrachtet werden, auf der alle Diagramme platziert werden. Im Wesentlichen hält es alles zusammen.

`Axes` hingegen ist ein Objekt, das aus zwei Achsenobjekten besteht: x-Achse und y-Achse.



`Figure` = Leinwand, `Axes` = x-Achse + y-Achse.

Hinweis

Im Folgenden wird die Erstellung von `Figure` und den zugehörigen `Axes` betrachtet:

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.plot()
plt.show()

Daten sind allgegenwärtig, und ihre Interpretation ist von entscheidender Bedeutung. Visualisierung unterstützt bei der Analyse von Daten, indem sie Muster und Erkenntnisse sichtbar macht. Sie erwerben ein fundiertes Verständnis der Datenvisualisierung mit Python und dessen Bibliotheken wie matplotlib und seaborn, um Informationen aus Daten strukturiert und übersichtlich zu extrahieren.

Zunächst werden wir Plotting-Anwendungen, die Matplotlib-Bibliothek und ihre Vorteile besprechen. Anschließend wird das erste einfache Diagramm mit Matplotlib erstellt.

Nun sind Sie bereit, verschiedene in der Praxis häufig verwendete Diagramme zu erstellen. Ohne weitere Umschweife beginnen wir jetzt damit!

Das Erstellen von Diagrammen und Visualisierungen umfasst nicht nur das Erzeugen einzelner Diagramme, sondern auch deren klare, verständliche und ansprechende Darstellung. Zeit, die Anpassung von Diagrammen in Matplotlib zu erlernen.

Statistik ist für die Arbeit mit Daten unerlässlich, weshalb es äußerst wichtig ist, verschiedene statistische Diagramme erstellen zu können. Nun ist es an der Zeit, die gebräuchlichsten davon zu erkunden.

Seaborn ist eine weitere leistungsstarke Visualisierungsbibliothek in Python, die auf matplotlib aufbaut. Nachdem Sie nun mit matplotlib vertraut sind, ist es an der Zeit, sich mit der Visualisierung mit Seaborn zu beschäftigen.

Erstellen Einer Leinwand

Awesome!

Erstellen Einer Leinwand