Kursbeschreibung
Der Kurs konzentriert sich auf die Verwendung der Python-Bibliothek Matplotlib zur Visualisierung von Daten. Die Python-Codierung erfolgt mit Hilfe von Python-Notizbüchern (.ipynb-Dateien) im JupyterLab-Tool, in denen Sie lernen, wie Sie mit Matplotlib Liniendiagramme, Histogramme, Heatmaps und Box-Plots zeichnen können. Wir zeigen Ihnen, wie Sie mit der HVPlot-Bibliothek interaktive Widgets zu Plots hinzufügen können, um tiefere Einblicke in die zu visualisierenden Daten zu erhalten.
Sie werden auch die Python-Bibliothek Numpy verwenden, um Werte in Arrays zu speichern und Zufallszahlen für Visualisierungsbeispiele zu erzeugen. Sie werden sehen, wie die Pandas-Bibliothek verwendet werden kann, um Daten in einem DataFrame zu speichern, Zeitreihendaten zu verarbeiten, mathematische Berechnungen durchzuführen und die berechneten Daten darzustellen. Dann lernen Sie, wie die Seaborn-Bibliothek einer Heatmap Merkmale hinzufügen kann, während die Scipy-Bibliothek eine KDE-Linie erzeugt, die über einem Histogramm dargestellt wird. Schließlich zeigen wir Ihnen, wie Sie Visualisierungen durch Hinzufügen von Farben, Beschriftungen und Gittern gestalten können.
Was Sie lernen werden
- Erstellen Sie Liniendiagramme, Histogramme, Heatmaps und Boxplots mithilfe der Python Matplotlib-Bibliothek
- Importieren, generieren und manipulieren Sie Daten mit NumPy und Pandas für die Visualisierung
- Erstellen Sie interaktive Plots und Widgets mit der HVPlot-Bibliothek
- Stilisieren Sie Visualisierungen durch das Hinzufügen von Farben, Etiketten und Gittern
- Verwenden Sie die Seaborn-Bibliothek, um Heatmaps zu verbessern, und die SciPy-Bibliothek, um eine KDE-Linie über einem Histogramm zu generieren
- Zeichnen Sie Zeitreihen und berechnete zeitliche Daten, die in einem Pandas DataFrame gespeichert sind
Wichtige Erkenntnisse
- Der Kurs verwendet die Python Matplotlib-Bibliothek, um Daten durch Liniendiagramme, Histogramme, Heatmaps und Boxplots zu visualisieren.
- Python-Code wird in Python-Notizbüchern (.ipynb-Dateien) mit dem JupyterLab-Tool geschrieben.
- Die HVPlot-Bibliothek wird verwendet, um interaktive Widgets zu Plots hinzuzufügen, um tiefere Einblicke in die Daten zu gewinnen.
- Die NumPy-Bibliothek speichert Werte in Arrays und generiert zufällige Zahlendaten, während die Pandas-Bibliothek Daten in einem DataFrame speichert, Zeitreihendaten handhabt und Berechnungen durchführt.
- Die Seaborn-Bibliothek fügt Funktionen zu einer Heatmap hinzu, und die SciPy-Bibliothek generiert eine KDE-Linie, die über einem Histogramm zu zeichnen ist.
Häufig gestellte Fragen
Welche Python-Bibliotheken werden in diesem Kurs behandelt?
Der Kurs behandelt Matplotlib zur Datenvisualisierung, HVPlot für interaktive Widgets, NumPy für Arrays und Zufallszahlendaten, Pandas zum Speichern von Daten in einem DataFrame und zum Handhaben von Zeitreihendaten, Seaborn zum Hinzufügen von Funktionen zu Heatmaps und SciPy zur Generierung einer KDE-Linie über einem Histogramm.
Welche Tools werde ich zum Schreiben des Codes verwenden?
Python-Code wird mit Python-Notizbüchern (.ipynb-Dateien) im JupyterLab-Tool geschrieben.
Welche Arten von Visualisierungen werde ich erstellen?
Sie werden lernen, Liniendiagramme, Histogramme, Heatmaps und Boxplots zu zeichnen, einschließlich interaktiver Liniendiagramme und interaktiver Heatmaps mit HVPlot.
Wie behandelt der Kurs interaktive Visualisierungen?
Es zeigt, wie die HVPlot-Bibliothek verwendet wird, um interaktive Widgets zu Plots hinzuzufügen, einschließlich Symbolleisten-Widgets und ein Filter-Widget, um tiefere Einblicke in die visualisierten Daten zu gewinnen.
Behandelt der Kurs die Arbeit mit zeitbasierten Daten?
Ja. Es behandelt das Zeichnen von Zeitdaten mit einem Liniendiagramm, das Zeichnen berechneter Zeitdaten und das Erstellen eines Boxplots zur Beschreibung von Zeitdaten, wobei Pandas zur Handhabung von Zeitreihendaten verwendet wird.
