Ein gut gestaltetes Diagramm verbessert die Lesbarkeit und Verständlichkeit der dargestellten Daten. In diesem Kapitel werden wir verschiedene Möglichkeiten zur Anpassung und Gestaltung von Plots in Matplotlib erkunden.
Klare Achsen- und Diagrammtitel sind essenziell für die Verständlichkeit eines Plots.
import matplotlib.pyplot as plt
import numpy as np
t = np.linspace(0, 10, 100)
y = np.sin(t)
plt.plot(t, y, label='sin(t)', color='b')
plt.xlabel('Zeit (s)', fontsize=12)
plt.ylabel('Amplitude', fontsize=12)
plt.title('Liniendiagramm mit Beschriftung', fontsize=14)
plt.legend()
plt.show()
Die Skalierung der Achsen sollte sinnvoll gewählt werden, um die Daten bestmöglich darzustellen.
plt.plot(t, y, label='sin(t)', color='b')
plt.xlabel('Zeit (s)')
plt.ylabel('Amplitude')
plt.xlim(0, 10)
plt.ylim(-1.2, 1.2)
plt.grid(True, linestyle='--', alpha=0.7)
plt.title('Liniendiagramm mit angepassten Achsen')
plt.legend()
plt.show()
Farben und Linienstile helfen dabei, wichtige Informationen im Plot hervorzuheben.
| Farbe | Kürzel | Beschreibung |
|---|---|---|
| Blau | ‘b’ | blue |
| Grün | ‘g’ | green |
| Rot | ‘r’ | red |
| Cyan | ‘c’ | cyan |
| Magenta | ‘m’ | magenta |
| Gelb | ‘y’ | yellow |
| Schwarz | ‘k’ | black |
| Weiß | ‘w’ | white |
| Linienstil | Kürzel | Beschreibung |
|---|---|---|
| Durchgezogen | ‘-’ | Standardlinie |
| Gestrichelt | ‘–’ | lange Striche |
| Gepunktet | ‘:’ | nur Punkte |
| Strich-Punkt | ‘-.’ | abwechselnd Strich-Punkt |
plt.plot(t, np.sin(t), linestyle='-', color='r', label='sin(t)')
plt.plot(t, np.cos(t), linestyle='--', color='g', label='cos(t)')
plt.xlabel('Zeit (s)')
plt.ylabel('Amplitude')
plt.title('Anpassung von Farben und Linienstilen')
plt.legend()
plt.show()
Manchmal ist es sinnvoll, mehrere Diagramme in einer Abbildung darzustellen.
fig, axs = plt.subplots(2, 1, figsize=(6, 6))
axs[0].plot(t, np.sin(t), color='b')
axs[0].set_title('Sinusfunktion')
axs[1].plot(t, np.cos(t), color='r')
axs[1].set_title('Kosinusfunktion')
plt.tight_layout()
plt.show()
Man kann Diagramme in verschiedenen Formaten speichern.
plt.plot(t, y, label='sin(t)', color='b')
plt.xlabel('Zeit (s)')
plt.ylabel('Amplitude')
plt.title('Speicherung eines Plots')
plt.legend()
plt.savefig('mein_plot.png', dpi=300)
plt.show()
Durch geschickte Anpassungen lassen sich wissenschaftliche Plots deutlich verbessern. Im nächsten Kapitel werden wir uns mit erweiterten Techniken wie logarithmischen Skalen und Annotationen beschäftigen.