Scatter Plots sind ein leistungsstarkes Werkzeug zur Visualisierung von Beziehungen zwischen zwei Variablen. Manchmal ist es jedoch hilfreich, die Visualisierung zu verbessern, indem die Datenpunkte mit Linien verbunden werden, wodurch Trends und Muster hervorgehoben werden. Dieses Tutorial untersucht verschiedene Methoden, um dies in Matplotlib zu erreichen, wobei der Schwerpunkt auf Klarheit und Best Practices liegt.
Inhaltsverzeichnis
- Kombination von
scatter()undplot() - Anpassen von Linienstilen mit
plot() - Steuerung der Ebenenreihenfolge mit
zorder
Kombination von scatter() und plot()
Der einfachste Ansatz ist die Verwendung der Funktionen scatter() und plot(). Dies ermöglicht eine unabhängige Steuerung des Aussehens der Punkte und der Verbindungslinien. Wichtig ist, dass plt.show() *nach* beiden Funktionen aufgerufen wird, um beide Elemente korrekt anzuzeigen.
import matplotlib.pyplot as plt
import numpy as np
# Beispieldaten
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 1, 3, 5])
# Erstellen des Scatter Plots
plt.scatter(x, y, color='blue', label='Datenpunkte')
# Verbinden der Punkte mit einer Linie
plt.plot(x, y, color='red', linestyle='-', linewidth=2, label='Trendlinie')
# Hinzufügen von Beschriftungen und Legende
plt.xlabel("X-Achse")
plt.ylabel("Y-Achse")
plt.title("Scatter Plot mit Verbindungslinie")
plt.legend()
# Anzeigen des Plots
plt.show()
Anpassen von Linienstilen mit plot()
Die Funktion matplotlib.pyplot.plot() bietet eine umfassende Steuerung der Linienästhetik. Mit dem Attribut linestyle können Sie verschiedene Linienstile (durchgezogen, gestrichelt, gepunktet usw.) angeben, während andere Parameter wie color und linewidth das Aussehen weiter verfeinern. Marker können hinzugefügt werden, um Datenpunkte direkt auf der Linie hervorzuheben.
import matplotlib.pyplot as plt
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 1, 3, 5])
plt.plot(x, y, linestyle='--', color='green', marker='o', markersize=8, label='Benutzerdefinierte Linie')
plt.xlabel("X-Achse")
plt.ylabel("Y-Achse")
plt.title("Benutzerdefinierter Linienplot")
plt.legend()
plt.show()
Steuerung der Ebenenreihenfolge mit zorder
Bei der Kombination von scatter() und plot() stimmt die Zeichenreihenfolge möglicherweise nicht immer mit der Ausführungsreihenfolge überein. Der Schlüsselwortparameter zorder steuert die Stapelreihenfolge von Plot-Elementen. Höhere zorder-Werte werden oben gezeichnet. Dies ist wichtig, um sicherzustellen, dass Scatter-Punkte auch bei Überlagerung auf einer Linie gut sichtbar sind.
import matplotlib.pyplot as plt
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 1, 3, 5])
# Linie zuerst gezeichnet, hinter den Scatter-Punkten
plt.plot(x, y, zorder=1, color='purple', label='Grundlegender Trend')
# Scatter-Punkte darüber gezeichnet
plt.scatter(x, y, zorder=2, color='orange', label='Datenpunkte')
plt.xlabel("X-Achse")
plt.ylabel("Y-Achse")
plt.title("Steuerung der Ebenenreihenfolge mit zorder")
plt.legend()
plt.show()
Durch die Beherrschung dieser Techniken können Sie klare, informative und visuell ansprechende Visualisierungen erstellen, die sowohl einzelne Datenpunkte als auch allgemeine Trends in Ihren Daten effektiv kommunizieren.