Matplotlib zur Datenvisualisierung mit Python
Fabio Basler, M.Sc.
Ve esta clase y miles más
Ve esta clase y miles más
Lecciones en esta clase
-
-
1.
Einführung
1:59
-
2.
Überblick über die ersten Schritte
0:40
-
3.
Warum Matplotlib für die Datenvisualisierung verwenden?
5:25
-
4.
Installation und erste Schritte mit Matplotlib
-
5.
Überblick über den Start mit Matplotlib
1:24
-
6.
Hilfe, Funktionen und Dokumentation nutzen
9:50
-
7.
Welche Visualisierungstypen gibt es in Matplotlib?
-
8.
Arbeiten mit Beispieldaten aus statsmodels
10:00
-
9.
Matplotlib Cheatsheets: Eine kompakte Übersicht
-
10.
Kapitel-Einführung: Grafiken erstellen mit Matplotlib
3:45
-
11.
Erste Diagramme mit dem plot-Befehl
2:23
-
12.
show()-Befehl und Zeichensymbole verstehen
6:34
-
13.
Visualisierungen auf Basis von Datensätzen
6:42
-
14.
Formatierungen und Konfigurationen gezielt einsetzen
5:48
-
15.
Balken- und Säulendiagramme erstellen
-
16.
Streudiagramme verwenden
8:01
-
17.
Übung: Streudiagramme gestalten
1:09
-
18.
Musterlösung: Streudiagramm-Übung
2:18
-
19.
Kreisdiagramme Teil 1 – Grundlagen
5:57
-
20.
Kreisdiagramme Teil 2 – Titanic-Projekt
13:07
-
21.
Flächendiagramme zur Darstellung von Entwicklungen
6:03
-
22.
Boxplots Teil 1 – Einführung
10:32
-
23.
Boxplots Teil 2 – Weiterführende Techniken
-
24.
Histogramme erstellen
7:30
-
25.
Histogramme nach Kategorien gruppieren
1:26
-
26.
Finanzdaten anschaulich visualisieren
9:15
-
27.
Übung: Grundlagen der Visualisierung
6:07
-
28.
Musterlösung Teil 1
4:56
-
29.
Musterlösung Teil 2
8:11
-
30.
Musterlösung Teil 3
2:39
-
31.
Musterlösung Teil 4
6:15
-
32.
Musterlösung Teil 5
5:24
-
33.
Einführung in erweiterte Techniken
3:35
-
34.
Subplots Teil 1 – mehrere Diagramme gleichzeitig
5:07
-
35.
Subplots Teil 2 – Feineinstellungen
-
36.
Programmieraufgabe: Subplots erstellen
2:03
-
37.
Lösung zur Programmieraufgabe Subplots
7:49
-
38.
Hintergründe konfigurieren
4:50
-
39.
Farben und Colormaps sinnvoll einsetzen
5:42
-
40.
Styles und Farbschemata nutzen
8:29
-
41.
Größenverhältnisse anpassen
4:02
-
42.
Auflösung verbessern für Präsentationen
3:41
-
43.
Grafiken speichern
5:28
-
44.
Achsen invertieren
-
45.
Texte in Grafiken einfügen
-
46.
Achsenbereiche festlegen
-
47.
Achsenbeschriftungen rotieren
-
48.
Einführung in erweiterte Visualisierungstypen
2:27
-
49.
3D-Darstellungen mit Matplotlib
7:48
-
50.
Stem-Plots für kategorische Werte
2:39
-
51.
Barbs-Diagramme (Vektoren)
-
52.
Step-Plots für diskrete Daten
2:10
-
53.
Violinplots für Verteilungsvergleiche
7:58
-
54.
Trigonometrische Plots
4:49
-
55.
Errorbars – Fehlerspannen darstellen
2:48
-
56.
Hexbin-Plots für Dichteanalysen
4:58
-
57.
Eventplots – Ereignisse visuell abbilden
2:38
-
58.
Flächen zwischen Kurven mit fill_between
2:54
-
59.
Einführung in Matplotlib-Module
1:47
-
60.
Das pyplot-Modul im Detail
-
61.
Patches – Formen und Flächen zeichnen
7:06
-
62.
Farben gezielt steuern mit colors
5:40
-
63.
Arbeiten mit NumPy in Visualisierungen
2:20
-
64.
Datumswerte und Zeitachsen mit dates
-
65.
Abschluss
2:14
-
-
- --
- Nivel principiante
- Nivel intermedio
- Nivel avanzado
- Todos los niveles
Generado por la comunidad
El nivel se determina según la opinión de la mayoría de los estudiantes que han dejado reseñas en esta clase. La recomendación del profesor o de la profesora se muestra hasta que se recopilen al menos 5 reseñas de estudiantes.
--
Estudiantes
--
Proyectos
Acerca de esta clase
In diesem Videokurs wird der Umgang mit Matplotlib von Grund auf vermittelt: von der Installation über erste Diagramme bis hin zu fortgeschrittenen Visualisierungstechniken. Schritt für Schritt wird gezeigt, wie Daten mit Linien-, Balken-, Kreis- oder Streudiagrammen anschaulich dargestellt und individuell angepasst werden können.
Neben grundlegenden Funktionen und Formaten werden auch komplexe Darstellungsformen wie 3D-Plots, Violinplots oder Hexbin-Plots behandelt. Techniken zur Feinabstimmung von Layout, Farben, Beschriftungen und Auflösung runden den Kurs ab.
Ergänzt durch Übungen, Musterlösungen und nützliche Cheatsheets eignet sich der Kurs ideal für alle, die Daten strukturiert analysieren und wirkungsvoll präsentieren möchten.
Conoce a tu profesor(a)
Fabio Basler ist Trainer und Autor mit Schwerpunkt auf Data Science und Kunstlicher Intelligenz. Mit Erfahrung in Technologien wie Python, SQL, R, Power BI, Tableau, Excel sowie Themen wie Large Language Models und AI Agents vermittelt er praxisnahes Wissen in Onlinekursen, Seminaren und Inhouse-Schulungen.
Er studierte im Bachelor an der Hochschule Offenburg und absolvierte seinen Master an der ESB Business School. In seiner Masterarbeit setzte er sich mit Machine-Learning-Modellen in Python auseinander.
Fabio Basler bringt acht Jahre Berufserfahrung im Controlling und in der digitalen Transformation eines Industriekonzerns mit. Diese Praxisnahe fliesst in seine Arbeit ein mit dem Ziel, datengetriebene Losungen fur konkrete Unternehmensherausforderungen zu entwic... Ver perfil completo
Proyecto de clase práctica
Dieses Projekt enthält sämtliche Python-Skripte, Übungsaufgaben, Lösungen sowie begleitende Materialien zum Matplotlib-Kurs. Die Inhalte sind in einer ZIP-Datei gebündelt und dienen der Vertiefung und praktischen Anwendung der im Kurs vermittelten Konzepte. Ziel ist es, den Lernprozess durch strukturiertes, nachvollziehbares und direkt ausführbares Beispielmaterial optimal zu unterstützen.
Valoración de la clase
¿Por qué unirse a Skillshare?
Mira las galardonadas Skillshare Originals
Cada clase tiene lecciones cortas y proyectos prácticos
Tu membresía apoya a los profesores de Skillshare
Aprende desde cualquier lugar
Ve clases sobre la marcha con la aplicación de Skillshare. Progresa en línea o descarga las clases para verlas en el avión, el metro o donde sea que aprendas mejor.
