{"id":167577,"date":"2026-01-28T11:25:25","date_gmt":"2026-01-28T10:25:25","guid":{"rendered":"https:\/\/liora.io\/de\/?p=167577"},"modified":"2026-02-23T13:56:31","modified_gmt":"2026-02-23T12:56:31","slug":"matplotlib-alles-wissen","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/matplotlib-alles-wissen","title":{"rendered":"Matplotlib: Alles \u00fcber die Python-Bibliothek von Dataviz"},"content":{"rendered":"\n<p><strong>Matplotlib ist eine Open-Source-Python-Bibliothek, mit der du Datenvisualisierungen erstellen kannst. Hier erf\u00e4hrst du alles, was du wissen musst: Definition, Funktionsweise, Schwierigkeiten, Schulungen\u2026<\/strong><\/p>\n\n\n\n<p>Die <a href=\"https:\/\/liora.io\/de\/dataviz\">Visualisierung von Daten<\/a> ist ein zentraler Schritt bei der Datenanalyse. Nachdem du Daten gesammelt, gespeichert und analysiert hast, ist es wichtig, die Ergebnisse dieser Analysen in Berichte und <b>grafische Visualisierungen <\/b>umzuwandeln. <b>Das menschliche Gehirn versteht <\/b>ein Diagramm <b>schneller <\/b>als eine Reihe von Statistiken in Tabellenform. DataViz erm\u00f6glicht es daher, die Ergebnisse einer Analyse mit den nicht-technischen Teams eines Unternehmens zu teilen, insbesondere mit den F\u00fchrungskr\u00e4ften.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"h-was-genau-ist-matplotlib\">Was genau ist Matplotlib?<\/h2>\n\n\n\n<p><a href=\"https:\/\/matplotlib.org\/stable\/index.html\">Matplotlib<\/a> ist <b>eine Open-Source-Python-Bibliothek<\/b>, die urspr\u00fcnglich von dem Neurobiologen John Hunter im Jahr 2002 entwickelt wurde. Sein Ziel war es, die elektrischen Signale des Gehirns von Menschen mit Epilepsie zu visualisieren. Um dies zu erreichen, wollte er die grafischen Gestaltungsm\u00f6glichkeiten von MATLAB mit Python replizieren. Nach dem Tod von John Hunter im Jahr 2012 wurde Matplotlib im Laufe der <b>Zeit von vielen Mitwirkenden der <\/b><a href=\"https:\/\/liora.io\/de\/open-source-definition\">Open-Source-Gemeinschaft<\/a> weiterentwickelt. Sie wird verwendet, um qualitativ hochwertige Diagramme und Grafiken zu erstellen. Es ist eine Open-Source-Alternative zu MATLAB.<\/p>\n\n\n\n<p>Es ist z. B. m\u00f6glich, mit wenigen Zeilen Code <b>Plots, Histogramme<\/b>, Balkendiagramme und alle Arten von Diagrammen zu erstellen. Es handelt sich um ein sehr umfassendes Werkzeug, mit dem du sehr detaillierte Datenvisualisierungen erstellen kannst. Diese Bibliothek ist besonders n\u00fctzlich f\u00fcr Leute, die <a href=\"https:\/\/liora.io\/de\/python\">mit Python<\/a> oder NumPy arbeiten. Sie wird insbesondere bei Servern f\u00fcr Webanwendungen, Shells und Python-Skripten eingesetzt. Mit den APIs von matplotlib ist es f\u00fcr Entwickler auch m\u00f6glich, Grafiken in GUI-Anwendungen zu integrieren.<\/p>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe title=\"All Top 40 Python Libraries EXPLAINED in 20 minutes\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/-29x_deQQus?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"h-die-wichtigsten-konzepte-von-matplotlib\">Die wichtigsten Konzepte von Matplotlib<\/h2>\n\n\n\n<p>Matplotlib basiert auf mehreren Schl\u00fcsselelementen. Eine <b>&#8222;Figur&#8220; ist eine vollst\u00e4ndige Abbildung<\/b>. Jede Linie in dieser Abbildung wird als &#8222;Achse&#8220; bezeichnet. <b>Plotting&#8220; ist das Erstellen eines Diagramms<\/b>. Du musst Daten in Form von Schl\u00fcssel\/Wert-Paaren verwenden, die die X- und Y-Achse bilden. Anschlie\u00dfend werden Funktionen wie &#8222;scatter&#8220;, &#8222;bar&#8220; und &#8222;pie&#8220; verwendet, um das Muster zu erstellen.<\/p>\n\n\n\n<p>Es k\u00f6nnen grundlegende Diagramme wie Balkendiagramme oder Histogramme, aber auch <b>komplexere dreidimensionale Figuren <\/b>erstellt werden.<\/p>\n\n\n\n<figure class=\"wp-block-image aligncenter is-resized\"><img decoding=\"async\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/02\/matplotlib-graphs.webp\" alt=\"\" style=\"width:768px;height:auto\" \/><\/figure>\n\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/liora.io\/de\/weiterbildung\/data-ki\">Lernen, Python und Matplotlib zu verwenden<\/a><\/div>\n<\/div>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"h-4-dinge-die-du-mit-matplotlib-tun-solltest\">4 Dinge, die du mit Matplotlib tun solltest<\/h2>\n\n\n\n<p>Mit <strong>Matplotlib<\/strong> kannst du die <strong>Optik<\/strong> deiner <strong>Grafiken<\/strong> verbessern, indem du <strong>Titel<\/strong> und <strong>Beschriftungen<\/strong> hinzuf\u00fcgst und den <strong>Stil<\/strong> und die <strong>Farbe<\/strong> der <strong>Visualisierungen<\/strong> ausw\u00e4hlst. Du kannst auch die <strong>Gr\u00f6\u00dfe<\/strong> der <strong>Grafiken<\/strong> beeinflussen und die <strong>Anordnung<\/strong> w\u00e4hlen, wenn du mehrere <strong>Grafiken<\/strong> in einer Darstellung anzeigen willst.<\/p>\n\n\n\n<p><strong>Matplotlib<\/strong> verf\u00fcgt auch \u00fcber eine Funktion, mit der du <strong>Grafiken<\/strong> frei kommentieren und ein <strong>Bild<\/strong> im <strong>JPG-Format<\/strong> speichern kannst. Schlie\u00dflich ist es m\u00f6glich, eine <strong>Grafik<\/strong> mit einem digitalen <strong>Tattoo<\/strong> zu versehen, um <strong>Copyright-Informationen<\/strong> hinzuzuf\u00fcgen.<\/p>\n\n\n\n<p>Jetzt sehen wir uns einige <strong>Beispiele<\/strong> f\u00fcr <strong>Grafiken<\/strong> an, die man mit <strong>Matplotlib<\/strong> erstellen kann, sowie die wenigen Zeilen <strong>Code<\/strong>, um sie zu zeichnen.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-1-funktionen-zeichnen\">1. Funktionen zeichnen<\/h3>\n\n\n\n<p><strong>Matplotlib<\/strong> ist in erster Linie eine <strong>Bibliothek<\/strong>, mit der man <strong>Funktionen<\/strong> zeichnen und ihre <strong>Kurven<\/strong> in <strong>Diagrammen<\/strong> darstellen kann. Wir k\u00f6nnen die Verl\u00e4ufe von <strong>trigonometrischen Funktionen<\/strong> wie <strong>Sinus<\/strong> und <strong>Cosinus<\/strong> erhalten, indem wir das <strong>Intervall<\/strong> angeben, in dem wir diese <strong>Funktionen<\/strong> beobachten wollen.<\/p>\n\n\n\n<p>Hier ist ein Beispiel f\u00fcr eine <strong>Darstellung<\/strong> zwischen <strong>0 und 6<\/strong> f\u00fcr die <strong>Sinus-<\/strong> und <strong>Cosinusfunktion<\/strong>. Die verwendete Funktion ist <strong>plot()<\/strong>, die eine <strong>Grundfunktion<\/strong> von <strong>Matplotlib<\/strong> ist.<\/p>\n\n\n\n<figure class=\"wp-block-image aligncenter\" style=\"margin-top:var(--wp--preset--spacing--columns);margin-bottom:var(--wp--preset--spacing--columns)\"><img decoding=\"async\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/02\/image6.webp\" alt=\"\" \/><\/figure>\n\n\n\n<p>Um diesen Graphen zu erstellen, verwenden wir zwei Bibliotheken, Matplotlib und NumPy. NumPy erm\u00f6glicht die Berechnung von Sinus und Cosinus, und die Funktion arrange erstellt eine Liste von 0 bis 2 Pi mit einer Abweichung von 0,1 zwischen jedem Wert.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-2-2d-diagramme-erstellen\">2. 2D-Diagramme erstellen<\/h3>\n\n\n\n<p>Eine weitere Funktion von <strong>Matplotlib<\/strong> ist die Erstellung von <strong>2D-Diagrammen<\/strong>, was f\u00fcr <strong>Data Scientists<\/strong> bei der <strong>Visualisierung von Daten<\/strong> sehr n\u00fctzlich ist. Es ist m\u00f6glich, <strong>Histogramme<\/strong>, <strong>Kreisdiagramme<\/strong>, <strong>Schnurrbartdiagramme<\/strong>, <strong>Scatterplots<\/strong>, <strong>Stackplots<\/strong> usw. anzuzeigen.<\/p>\n\n\n\n<p>Diese <strong>Diagramme<\/strong> k\u00f6nnen z. B. verwendet werden, um die <strong>Verteilung<\/strong> von <strong>Daten<\/strong>, ihre <strong>statistischen Indikatoren<\/strong> und ihre <strong>Trends<\/strong> \u00fcber einen bestimmten <strong>Zeitraum<\/strong> bei der Verarbeitung von <strong>Zeitdaten<\/strong> anzuzeigen.<\/p>\n\n\n\n<p>Die wichtigsten verwendeten Funktionen sind:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>hist()<\/strong> um ein <strong>Histogramm<\/strong> zu zeichnen.<\/li>\n\n\n\n<li><strong>bar()<\/strong> um ein <strong>Balkendiagramm<\/strong> zu zeichnen.<\/li>\n\n\n\n<li><strong>pie()<\/strong> um ein <strong>Tortendiagramm<\/strong> zu zeichnen.<\/li>\n\n\n\n<li><strong>box()<\/strong> um <strong>Boxplots<\/strong> zu zeichnen.<\/li>\n\n\n\n<li><strong>scatter()<\/strong> um eine <strong>Punktwolke<\/strong> zu zeichnen.<\/li>\n\n\n\n<li><strong>stackplot()<\/strong> um ein <strong>Diagramm mit gestapelten Bereichen<\/strong> zu zeichnen.<\/li>\n<\/ul>\n\n\n\n<figure class=\"wp-block-image aligncenter\" style=\"margin-top:var(--wp--preset--spacing--columns);margin-bottom:var(--wp--preset--spacing--columns)\"><img decoding=\"async\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/02\/image1-1.webp\" alt=\"\" \/><\/figure>\n\n\n\n<p>Dieses Beispiel stammt aus dem Modul &#8222;Matplotlib &#8211; Whiskers und Tortendiagramme&#8220; aus <a href=\"https:\/\/liora.io\/de\/weiterbildung\/data-ki\">unserem Kurs Data Scientist und Data Analyst!<\/a><\/p>\n\n\n\n<p>Hier verwenden wir die Funktionen <strong>labels<\/strong>, <strong>colors<\/strong> und <strong>autopct<\/strong> aus dem <strong>Pie Chart<\/strong>. <strong>labels<\/strong> erm\u00f6glicht die Auswahl des <strong>Namens<\/strong>, <strong>colors<\/strong> kann auf verschiedene Arten verwendet werden, entweder als Schl\u00fcsselwort wie <strong>&#8222;Yellow&#8220;<\/strong>, <strong>&#8222;Red&#8220;<\/strong> oder als <strong>Hex-Code<\/strong> wie in unserem Beispiel.<\/p>\n\n\n\n<figure class=\"wp-block-image aligncenter\" style=\"margin-top:var(--wp--preset--spacing--columns);margin-bottom:var(--wp--preset--spacing--columns)\"><img decoding=\"async\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/02\/image3-1.webp\" alt=\"\" \/><\/figure>\n\n\n\n<p>Hier verwenden wir zwei <strong>Listen<\/strong> <strong>Pda<\/strong> und <strong>Pds<\/strong>, die wir zuvor erstellt haben, um unsere <strong>Barcharts<\/strong> zu erstellen. Zuerst erstellen wir den ersten, dann f\u00fcgen wir den zweiten hinzu, indem wir <strong>bottom=Pda<\/strong> angeben, um zu sagen, dass der zweite <strong>Barchart<\/strong> auf den ersten <strong>gestapelt<\/strong> wird.<\/p>\n\n\n\n<figure class=\"wp-block-image aligncenter\" style=\"margin-top:var(--wp--preset--spacing--columns);margin-bottom:var(--wp--preset--spacing--columns)\"><img decoding=\"async\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/02\/image9.webp\" alt=\"\" \/><\/figure>\n\n\n\n<p>F\u00fcr dieses <strong>Chart<\/strong> haben wir uns entschieden, die beiden <strong>Balken<\/strong> nebeneinander zu stellen. Dazu verwenden wir zwei Werte f\u00fcr die <strong>X-Achse<\/strong>, zuerst <strong>x1<\/strong>, das von <strong>0 bis 11<\/strong> mit einem <strong>Schritt<\/strong> reicht, und <strong>x2<\/strong>, das von <strong>0,4 bis 11,4<\/strong> mit einem <strong>Schritt von 1<\/strong> reicht. Wir tun dies, um die zweite <strong>Spalte<\/strong> um <strong>0,4<\/strong> zu verschieben, was auch die <strong>Gr\u00f6\u00dfe<\/strong> unserer <strong>Balken<\/strong> sein wird.<\/p>\n\n\n\n<p>Diese beiden Grafiken sind vom Modul &#8222;Matplotlib &#8211; Balkendiagramme&#8220; des Kurses Data Scientist und Data Analyst inspiriert.<\/p>\n\n\n\n<figure class=\"wp-block-image aligncenter\" style=\"margin-top:var(--wp--preset--spacing--columns);margin-bottom:var(--wp--preset--spacing--columns)\"><img decoding=\"async\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/02\/image8.webp\" alt=\"\" \/><\/figure>\n\n\n\n<p>F\u00fcr diesen Graphen verwenden wir Listen f\u00fcr die Achsen. Die beiden Gruppen von Punktwolken teilen sich die gleiche X-Achse, haben aber unterschiedliche Werte f\u00fcr die Y-Achse. Du kannst auch sehen, dass wir das s-Argument verwenden, um die Gr\u00f6\u00dfe unserer Punkte zu variieren.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-3-3d-grafiken-anzeigen\">3. 3D-Grafiken anzeigen<\/h3>\n\n\n\n<p>Es ist auch m\u00f6glich, <strong>3D-Grafiken<\/strong> mithilfe von <strong>Matplotlib<\/strong> zu erstellen. Dazu musst du eine spezielle <strong>Bibliothek<\/strong> namens <strong>mpl_toolkits.mplot3d<\/strong> (oft in <strong>Axes3D<\/strong> umbenannt) verwenden.<\/p>\n\n\n\n<p><strong>3D-Grafiken<\/strong> k\u00f6nnen bestimmte <strong>Visualisierungen<\/strong> erleichtern und einen <strong>Bericht<\/strong> angenehmer lesbar machen. Im Allgemeinen werden die Funktionen <strong>Axes3D.plot()<\/strong>, <strong>Axes3D.scatter()<\/strong>, <strong>Axes3D.plot_wireframe()<\/strong>, <strong>Axes3D.plot_surface()<\/strong> und <strong>Axes3D.bar()<\/strong> verwendet.<\/p>\n\n\n\n<p>Hier ist ein Beispiel daf\u00fcr, was man mit diesen Funktionen anzeigen kann. Das Beispiel stammt aus der offiziellen <a href=\"\/\">Dokumentation<\/a>.<\/p>\n\n\n\n<figure class=\"wp-block-image aligncenter\"><img decoding=\"async\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/02\/image2-1.webp\" alt=\"\" \/><\/figure>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-4-widgets-erstellen\">4. Widgets erstellen<\/h3>\n\n\n\n<p>Die letzte Funktion von <strong>Matplotlib<\/strong>, die wir behandeln werden, ist das Erstellen von <strong>Widgets<\/strong>. Das sind <strong>interaktive Visualisierungen<\/strong>, auf die der <strong>Benutzer<\/strong> Einfluss nehmen kann. F\u00fcr einen <strong>Datenwissenschaftler<\/strong> kann dies sehr n\u00fctzlich sein, z. B. um zu sehen, wie die \u00c4nderung eines <strong>Parameters<\/strong> eine <strong>Funktion<\/strong> oder ein <strong>Machine-Learning-Modell<\/strong> beeinflusst.<\/p>\n\n\n\n<p>Alle Klassen, die du f\u00fcr die Implementierung eines <strong>Widgets<\/strong> ben\u00f6tigst, befinden sich im Modul <strong>matplotlib.widgets<\/strong>.<\/p>\n\n\n\n<p>Um ein <strong>Widget<\/strong> zu erstellen, m\u00fcssen <strong>Objekte<\/strong> und <strong>Funktionen<\/strong> erstellt werden, die die Aktion eines Objekts auf ein anderes Objekt beschreiben. Beispiele f\u00fcr solche Objekte sind ein <strong>Schieberegler<\/strong> (Klasse <strong>Slider<\/strong>) oder eine <strong>Schaltfl\u00e4che<\/strong> (Klasse <strong>Button<\/strong>), die einen ganzen <strong>Wertebereich<\/strong> eines <strong>Parameters<\/strong> abdecken k\u00f6nnen. Je nach Wert sieht der Nutzer, wie sich der <strong>Graph<\/strong> sofort \u00e4ndert.<\/p>\n\n\n\n<p>Dieses Widget stammt aus dem Modul <strong>Einf\u00fchrung in Deep Learning mit Keras<\/strong> der Studieng\u00e4nge <strong>Data Scientist<\/strong> und <strong>Data Analyst<\/strong>.<\/p>\n\n\n\n<p>Durch Anpassen der <strong>Parameter<\/strong> <strong>w1<\/strong> und <strong>w2<\/strong> k\u00f6nnen wir die rot gezeichnete <strong>Gerade<\/strong> so anpassen, dass wir die <strong>Grenze<\/strong> finden, die die gr\u00fcn markierten <strong>Daten<\/strong> von den orange markierten Daten trennt. Dies ist ein sogenanntes <strong>lineares Klassifikationsproblem<\/strong>: Wir trennen Daten mithilfe einer <strong>linearen Entscheidungsgrenze<\/strong> in zwei <strong>Kategorien<\/strong>.<\/p>\n\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/liora.io\/de\/weiterbildung\/data-ki\">Lernen, Python f\u00fcr Data Science zu nutzen<\/a><\/div>\n<\/div>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"h-schlussfolgerung\">Schlussfolgerung<\/h2>\n\n\n\n<p>W\u00e4hrend du mit Matplotlib verschiedene <strong>Visualisierungen <\/strong>erstellen und anzeigen kannst, gibt es auch andere Bibliotheken, mit denen du ebenso coole Visualisierungen erstellen kannst. Zu diesen Bibliotheken geh\u00f6ren Seaborn, Bokeh und Ggplot.<\/p>\n\n\n\n<p>Die <strong>Visualisierung <\/strong>von Daten steht im <strong>Mittelpunkt <\/strong>aller Probleme, mit denen sich <a href=\"https:\/\/liora.io\/de\/weiterbildung-data-scientist\">Data Scientists<\/a> und <a href=\"https:\/\/liora.io\/de\/weiterbildung-data-analyst\">Data Analysts <\/a>befassen. Um zu lernen, wie man diese Techniken beherrscht, werden in unseren Kursen f\u00fcr Data Scientists und Data Analysts mehrere Module zu <strong>Matplotlib<\/strong>, <a href=\"https:\/\/liora.io\/de\/bokeh-die-python-bibliothek-fuer-visualisierung-der-naechsten-generation\">Bokeh<\/a> und <a href=\"https:\/\/liora.io\/de\/seaborn-alles-ueber-das-python-tool-zur-datenvisualisierung\">Seaborn<\/a> angeboten.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"h-was-genau-ist-pyplot\">Was genau ist PyPlot?<\/h2>\n\n\n\n<p>Pyplot ist <b>ein Matplotlib-Modul, das <\/b>mehrere einfache Funktionen bietet, um Elemente wie Linien, Bilder oder Texte zu den Achsen eines Diagramms hinzuzuf\u00fcgen. Seine Benutzeroberfl\u00e4che ist sehr komfortabel, weshalb dieses Modul h\u00e4ufig verwendet wird.<\/p>\n\n\n\n<p>Es gibt auch <b>eine &#8222;objektorientierte&#8220; (OO) API, <\/b>die mehr Flexibilit\u00e4t und Anpassungsm\u00f6glichkeiten bietet, indem sie das Zusammenstellen von Objekten freier gestaltet. Sie ist jedoch schwieriger zu verwenden.<\/p>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe title=\"Matplotlib Tutorial (Part 1): Creating and Customizing Our First Plots\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/UO98lJQ3QGI?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"h-matplotlib-numpy-und-pandas\">Matplotlib, Numpy und Pandas<\/h2>\n\n\n\n<p><a href=\"https:\/\/liora.io\/de\/numpy\">Numpy<\/a> ist <b>ein Python-Paket, das sich <\/b>dem wissenschaftlichen Rechnen widmet. Es ist eine unverzichtbare Abh\u00e4ngigkeit von matplotlib, da matplotlib die <strong>Numpy-Funktionen<\/strong> f\u00fcr numerische Daten und mehrdimensionale Arrays verwendet.<\/p>\n\n\n\n<p>Pandas wiederum ist eine Python-Bibliothek, die auch von matplotlib zur <b>Datenmanipulation<\/b> und <b>-analyse <\/b>verwendet wird. Sie ist keine unverzichtbare Abh\u00e4ngigkeit wie numpy, wird aber sehr oft mit matplotlib verwendet.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"h-matplotlib-und-data-science\">Matplotlib und Data Science<\/h2>\n\n\n\n<p>Python ist die <b>am h\u00e4ufigsten verwendete <\/b>Programmiersprache <b>f\u00fcr Data Science <\/b>und Machine Learning. De facto sind Ressourcen wie NumPy und matplotlib sehr n\u00fctzlich f\u00fcr die Erstellung von Modellen f\u00fcr maschinelles Lernen.<\/p>\n\n\n\n<p>Programmierer k\u00f6nnen auf <strong>diese Bibliotheken zugreifen<\/strong>, um entscheidende Aufgaben innerhalb der Python-Umgebung zu erledigen. Anschlie\u00dfend k\u00f6nnen die Ergebnisse mit den anderen Elementen und Funktionen eines <a href=\"https:\/\/liora.io\/machine-learning-tout-savoir\">Machine-Learning-Programms<\/a> oder eines neuronalen Netzes integriert werden.<\/p>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe title=\"Intro to Data Visualization in Python with Matplotlib! (line graph, bar chart, title, labels, size)\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/DAQNHzOcO5A?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"h-welche-schwierigkeiten-gibt-es-bei-matplotlib\">Welche Schwierigkeiten gibt es bei Matplotlib?<\/h2>\n\n\n\n<p>Das Erlernen von Matplotlib kann sich als kompliziert erweisen. Es gibt <b>viele Tutorials<\/b>, aber es gibt einige Schwierigkeiten, die sich dem Anf\u00e4nger in den Weg stellen. Zun\u00e4chst einmal ist diese Bibliothek extrem umfangreich. Insgesamt umfasst sie <b>mehr als 70.000 Zeilen Code<\/b>. Sie unterst\u00fctzt auch viele verschiedene Schnittstellen und kann mit verschiedenen Backends interagieren, um Grafiken zu rendern.<\/p>\n\n\n\n<p>Dar\u00fcber hinaus ist die \u00f6ffentlich zug\u00e4ngliche Dokumentation zu matplotlib zwar verst\u00e4ndlich, aber einige Dokumente sind schlichtweg <b>veraltet<\/b>. Dieses Werkzeug entwickelt sich im Laufe der Zeit weiter, und einige Beispiele, die im Internet verf\u00fcgbar sind, k\u00f6nnen in modernen Versionen tats\u00e4chlich mit 70% weniger Codezeilen durchgef\u00fchrt werden.<\/p>\n\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">Entdecke unsere Schulungen in Datenwissenschaft<\/a><\/div>\n<\/div>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"h-wie-kann-man-matplotlib-erlernen\">Wie kann man Matplotlib erlernen?<\/h2>\n\n\n\n<p>Matplotlib bietet viele M\u00f6glichkeiten zur Visualisierung von Daten, kann aber aufgrund seiner technischen Komplexit\u00e4t und seiner schwerf\u00e4lligen Syntax schwer zu beherrschen sein. Es ist <b>schwierig, die Software autodidaktisch zu erlernen, <\/b>da ein gro\u00dfer Teil der online verf\u00fcgbaren Dokumentation veraltet ist.<\/p>\n\n\n\n<p>Um zu lernen, wie man diese Bibliothek benutzt, kannst du dich f\u00fcr <a href=\"https:\/\/liora.io\/de\/weiterbildung\">eine Liora-Ausbildung<\/a> entscheiden. Wir bieten Kurse an, in denen du dich in den verschiedenen Berufen der Datenwissenschaft ausbilden lassen kannst: Data Analyst, Data Scientist, Data Engineer, ML Engineer, Data Manager&#8230;<\/p>\n\n\n\n<p>F\u00fcr alle unsere Kurse <b>ist Python die bevorzugte Programmiersprache<\/b>. Du wirst lernen, diese Sprache und ihre verschiedenen Bibliotheken f\u00fcr Data Science zu verwenden, insbesondere matplotlib f\u00fcr DataViz. Dieses Werkzeug steht auf dem Programm des Moduls &#8222;Datenvisualisierung&#8220; f\u00fcr unsere Kurse Data Analyst, Data Scientist und Data Management.<\/p>\n\n\n\n<p>Alle unsere Kurse bieten <b>einen Blended-Learning-Ansatz<\/b>, der eine gecoachte Online-Plattform mit Pr\u00e4senzveranstaltungen kombiniert. Sie k\u00f6nnen als Weiterbildung oder als intensives BootCamp in nur wenigen Wochen absolviert werden. Am Ende dieser Wege erhalten die Lernenden <b>ein von der Sorbonne-Universit\u00e4t zertifiziertes Diplom <\/b>und k\u00f6nnen sich schnell in den Arbeitsmarkt integrieren. Mehr als 90 % der Absolventen erhalten nach ihrer Ausbildung einen Arbeitsplatz. Daher ist Liora <b>der beste Weg, um zu lernen, wie man Matplotlib, <\/b>Python und die verschiedenen Ressourcen der Datenwissenschaft <b>beherrscht.<\/b> Warte nicht l\u00e4nger und entdecke jetzt unsere Kurse.<\/p>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\" style=\"margin-top:var(--wp--preset--spacing--columns);margin-bottom:var(--wp--preset--spacing--columns)\"><div class=\"wp-block-embed__wrapper\">\n<iframe title=\"Blended Learning: En quoi cela consiste-t-il vraiment et quels sont les avantages et inconv\u00e9nients ?\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/40jjIXVnzks?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<p>Du wei\u00dft alles \u00fcber Matplotlib. Um die 4 Dinge zu erfahren, die du \u00fcber Matplotlib wissen solltest, schau dir <a href=\"https:\/\/liora.io\/de\/matplotlib-alles-wissen\">unseren Artikel<\/a> zum Thema an!<\/p>\n\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/liora.io\/app\/uploads\/2021\/02\/Cheat-sheet-matplotlib.png\">Entdecken Sie unser Matplolib-Cheatsheet<\/a><\/div>\n<\/div>\n\n\n\n<script type=\"application\/ld+json\">\n{\n  \"@context\": \"https:\/\/schema.org\",\n  \"@type\": \"FAQPage\",\n  \"mainEntity\": [\n    {\n      \"@type\": \"Question\",\n      \"name\": \"Was genau ist Matplotlib?\",\n      \"acceptedAnswer\": {\n        \"@type\": \"Answer\",\n        \"text\": \"Matplotlib ist eine Open-Source-Python-Bibliothek zur Datenvisualisierung, die 2002 vom Neurobiologen John Hunter entwickelt wurde. Sie erm\u00f6glicht die Erstellung qualitativ hochwertiger Diagramme und Grafiken mit wenigen Codezeilen \u2013 eine Open-Source-Alternative zu MATLAB. Besonders n\u00fctzlich f\u00fcr Python- und NumPy-Nutzer, einsetzbar in Webanwendungen, Skripten und GUI-Integration \u00fcber APIs.\"\n      }\n    },\n    {\n      \"@type\": \"Question\",\n      \"name\": \"Die wichtigsten Konzepte von Matplotlib\",\n      \"acceptedAnswer\": {\n        \"@type\": \"Answer\",\n        \"text\": \"Matplotlib basiert auf Schl\u00fcsselelementen: 'Figur' (vollst\u00e4ndige Abbildung), 'Achse' (jede Linie in der Abbildung), 'Plotting' (Diagrammerstellung mit Daten als Schl\u00fcssel\/Wert-Paare f\u00fcr X\/Y-Achsen). Funktionen wie scatter, bar, pie erstellen Muster \u2013 von einfachen Balkendiagrammen bis zu komplexen 3D-Figuren.\"\n      }\n    },\n    {\n      \"@type\": \"Question\",\n      \"name\": \"4 Dinge, die du mit Matplotlib tun solltest\",\n      \"acceptedAnswer\": {\n        \"@type\": \"Answer\",\n        \"text\": \"Matplotlib bietet vier Hauptfunktionen: 1. Funktionen zeichnen (plot) \u2013 z.B. Sinus\/Cosinus mit NumPy. 2. 2D-Diagramme erstellen (hist, bar, pie, box, scatter, stackplot) f\u00fcr Verteilungen, Trends, Statistiken. 3. 3D-Grafiken anzeigen (Axes3D) f\u00fcr ansprechende Visualisierungen. 4. Widgets erstellen (Slider, Button) f\u00fcr interaktive Parameteranpassung \u2013 ideal f\u00fcr Machine-Learning-Modelle.\"\n      }\n    },\n    {\n      \"@type\": \"Question\",\n      \"name\": \"Schlussfolgerung\",\n      \"acceptedAnswer\": {\n        \"@type\": \"Answer\",\n        \"text\": \"Neben Matplotlib gibt es weitere Dataviz-Bibliotheken (Seaborn, Bokeh, Ggplot). Datenvisualisierung steht im Zentrum der Arbeit von Data Scientists und Data Analysts. Liora-Kurse bieten Module zu Matplotlib, Bokeh und Seaborn.\"\n      }\n    },\n    {\n      \"@type\": \"Question\",\n      \"name\": \"Was genau ist PyPlot?\",\n      \"acceptedAnswer\": {\n        \"@type\": \"Answer\",\n        \"text\": \"Pyplot ist ein Matplotlib-Modul mit einfachen Funktionen zum Hinzuf\u00fcgen von Linien, Bildern oder Texten zu Achsen. Seine komfortable Oberfl\u00e4che macht es sehr beliebt. Alternativ gibt es eine objektorientierte API mit mehr Flexibilit\u00e4t und Anpassungsm\u00f6glichkeiten, die aber schwieriger zu verwenden ist.\"\n      }\n    },\n    {\n      \"@type\": \"Question\",\n      \"name\": \"Matplotlib, Numpy und Pandas\",\n      \"acceptedAnswer\": {\n        \"@type\": \"Answer\",\n        \"text\": \"NumPy ist eine unverzichtbare Abh\u00e4ngigkeit von Matplotlib f\u00fcr numerische Daten und mehrdimensionale Arrays. Pandas wird oft gemeinsam mit Matplotlib verwendet, ist aber keine zwingende Abh\u00e4ngigkeit.\"\n      }\n    },\n    {\n      \"@type\": \"Question\",\n      \"name\": \"Matplotlib und Data Science\",\n      \"acceptedAnswer\": {\n        \"@type\": \"Answer\",\n        \"text\": \"Python ist die Hauptsprache f\u00fcr Data Science und Machine Learning. NumPy und Matplotlib sind essentiell f\u00fcr die Erstellung von ML-Modellen. Programmierer nutzen diese Bibliotheken f\u00fcr Kernaufgaben und integrieren Ergebnisse in ML-Programme oder neuronale Netze.\"\n      }\n    },\n    {\n      \"@type\": \"Question\",\n      \"name\": \"Welche Schwierigkeiten gibt es bei Matplotlib?\",\n      \"acceptedAnswer\": {\n        \"@type\": \"Answer\",\n        \"text\": \"Matplotlib zu erlernen ist herausfordernd: Die Bibliothek umfasst \u00fcber 70.000 Codezeilen, unterst\u00fctzt viele Schnittstellen und Backends. Die \u00f6ffentliche Dokumentation ist teils veraltet \u2013 Online-Beispiele zeigen oft veraltete, l\u00e4ngere Code-Varianten.\"\n      }\n    },\n    {\n      \"@type\": \"Question\",\n      \"name\": \"Wie kann man Matplotlib erlernen?\",\n      \"acceptedAnswer\": {\n        \"@type\": \"Answer\",\n        \"text\": \"Aufgrund technischer Komplexit\u00e4t und veralteter Online-Dokumentation ist autodidaktisches Lernen schwierig. Liora bietet Data-Science-Kurse (Data Analyst, Data Scientist, Data Engineer) mit Python-Fokus und Matplotlib-Modul f\u00fcr DataViz an. Blended-Learning-Ansatz (gecoachte Online-Plattform + Pr\u00e4senz), als Weiterbildung oder BootCamp. Abschluss mit Sorbonne-Diplom, \u00fcber 90% Jobvermittlung.\"\n      }\n    }\n  ]\n}\n<\/script>\n","protected":false},"excerpt":{"rendered":"<p>Matplotlib ist eine Open-Source-Python-Bibliothek, mit der du Datenvisualisierungen erstellen kannst. Hier erf\u00e4hrst du alles, was du wissen musst: Definition, Funktionsweise, Schwierigkeiten, Schulungen\u2026 Die Visualisierung von Daten ist ein zentraler Schritt bei der Datenanalyse. Nachdem du Daten gesammelt, gespeichert und analysiert hast, ist es wichtig, die Ergebnisse dieser Analysen in Berichte und grafische Visualisierungen umzuwandeln. Das [\u2026]<\/p>\n","protected":false},"author":47,"featured_media":219424,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-167577","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/167577","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=167577"}],"version-history":[{"count":5,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/167577\/revisions"}],"predecessor-version":[{"id":219430,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/167577\/revisions\/219430"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/219424"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=167577"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=167577"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}