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` heeft drie lagen:
* **Backend-laag**: rendert de plot naar schermen of bestanden;
* **Artist-laag**: beschrijft hoe gegevens zijn gerangschikt, bestaat uit één object, `Artist`;
* **Scripting-laag**: verbindt de vorige twee lagen en vereenvoudigt de toegang ertoe.

De hoofdzaak ligt bij de scripting-laag met de `pyplot`-module en de artist-laag. De artist-laag omvat het volgende:

* **Containers** (bijv. `Figure`, `Axes`);
* **Primitieven** (bijv. lijn, rechthoek, cirkel, tekst, enz.).

`Figure` is het belangrijkste `Artist`-object en kan worden gezien als een canvas waarop alle grafieken worden geplaatst. In feite houdt het alles bij elkaar.

Aan de andere kant is `Axes` een object dat bestaat uit twee as-objecten, x-as en y-as.



Opmerking

Nu volgt een overzicht van het aanmaken van de `Figure` en de bijbehorende `Axes`:

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

Data is overal om ons heen, en het begrijpen ervan is van groot belang. Visualisatie helpt bij het analyseren van data door patronen en inzichten te ontdekken. U ontwikkelt een degelijke basis in datavisualisatie met Python en de bijbehorende bibliotheken, zoals matplotlib en seaborn, om zo veel mogelijk informatie uit data te halen op een overzichtelijke en beknopte manier.

Eerst bespreken we plottoepassingen, de Matplotlib-bibliotheek en de voordelen ervan. Vervolgens maak je je eerste eenvoudige plot met Matplotlib.

Nu bent u klaar om diverse in de praktijk veelgebruikte grafieken te maken. Laten we zonder verdere omhaal direct aan de slag gaan!

Plotten en visualisatie gaan niet alleen over het maken van één of meerdere grafieken, maar ook over het duidelijk, begrijpelijk en aantrekkelijk presenteren ervan. Tijd om het aanpassen van plots in Matplotlib te leren.

Statistiek is essentieel bij het werken met data, daarom is het uiterst belangrijk om te weten hoe je verschillende statistische grafieken maakt. Nu is het tijd om de meest voorkomende te verkennen.

Seaborn is een andere krachtige plotbibliotheek in Python, gebouwd bovenop matplotlib. Nu je vertrouwd bent met matplotlib, is het tijd om je te verdiepen in visualisatie met seaborn.

Ultieme Visualisatie Met Python

Een Canvas Maken

Ultieme Visualisatie Met Python

Een Canvas Maken