Datenvisualisierung mit

Als erstes: IPython interaktiv machen:

%matplotlib inline
# bei euch: %matplotlib (nur in iPython)

Um mit Matplotlib arbeiten zu können, muss die Bibliothek erst einmal importiert werden. Damit wir nicht so viel tippen müssen geben wir ihr einen kürzeren Namen:

import matplotlib.pyplot as plt
plt.rcParams['figure.figsize'] = (10, 8)
plt.rcParams['font.size'] = 16
plt.rcParams['lines.linewidth'] = 2

Außerdem brauchen wir ein paar Funktion aus numpy, die euch schon bekannt sind

import numpy as np

Ein einfaches Beispiel: $f(x)=x^2$

x = np.linspace(0, 1) # gibt 50 Zahlen in gleichmäßigem Abstand von 0–1
plt.plot(x, x**2)
# Falls nicht interaktiv: 
# plt.show()

[<matplotlib.lines.Line2D at 0x7f2ab0751670>]

Anderes Beispiel: $\sin(t)$ mit verschiedenen Stilen. Vorsicht, die Funktionen und $\pi$ sind Bestandteil von numpy

t = np.linspace(0, 2 * np.pi)
plt.plot(t, np.sin(t))

[<matplotlib.lines.Line2D at 0x7f2aa0f1cf70>]

plt.plot(t, np.sin(t), 'r--')

[<matplotlib.lines.Line2D at 0x7f2aa0ea1310>]

plt.plot(t, np.sin(t), 'go')

[<matplotlib.lines.Line2D at 0x7f2aa0e84fa0>]

Tabelle mit allen Farben und Styles: matplotlib.axes.Axes.plot

Neue Grenzen mit xlim(a, b) und ylim(a, b)

plt.plot(t, np.sin(t))
plt.xlim(0, 2 * np.pi)
plt.ylim(-1.2, 1.2)

(-1.2, 1.2)

Es fehlt noch etwas...

with plt.xkcd():
    plt.title('Axes with labels')
    plt.plot(t, np.sin(t))
    plt.xlabel('t / s')
    plt.ylabel('U / V')
    plt.ylim(-1.1, 1.1)
    plt.xlim(0, 2 * np.pi)