Przejdź do głównej treści

Strona główna Python

Kurs

Wprowadzenie do wizualizacji danych z Matplotlib

PodstawowyPoziom umiejętności

Zaktualizowano 06.2025

Naucz się tworzyć, dostosowywać i udostępniać wizualizacje danych za pomocą Matplotlib.

Zacznij kurs za darmo

PythonData Visualization

4 godz.

14 filmów

44 Ćwiczenia

3,600 XP

230K+

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Wizualizacja danych na wykresach i rysunkach ujawnia wzorce ukryte w danych i dostarcza cennych spostrzeżeń. Dobre wizualizacje pomagają też komunikować dane innym – są przydatne zarówno dla analityków danych, jak i dla odbiorców końcowych. W tym kursie nauczysz się korzystać z Matplotlib – potężnej biblioteki Pythona do wizualizacji danych. Matplotlib dostarcza narzędzi potrzebnych do tworzenia rozbudowanych wizualizacji różnych typów zbiorów danych. Dowiesz się, jak tworzyć wizualizacje dla różnych rodzajów danych oraz jak je dostosowywać, automatyzować i udostępniać.Filmy zawierają transkrypcje na żywo, które możesz wyświetlić, klikając „Pokaż transkrypcję" w lewym dolnym rogu. Słowniczek kursu znajdziesz po prawej stronie, w sekcji zasobów. Aby uzyskać punkty CPE, musisz ukończyć kurs i uzyskać co najmniej 70% punktów w kwalifikowanym teście. Do testu możesz przejść, klikając powiadomienie o punktach CPE po prawej stronie.

Wymagania wstępne

Introduction to Python

1

Introduction to Matplotlib

This chapter introduces the Matplotlib visualization library and demonstrates how to use it with data.

Introduction to data visualization with Matplotlib

Using the matplotlib.pyplot interface

Adding data to an Axes object

Customizing your plots

Customizing data appearance

Customizing axis labels and adding titles

Small multiples

Creating a grid of subplots

Creating small multiples with plt.subplots

Small multiples with shared y axis

Zacznij rozdział

2

Plotting time-series

Time series data is data that is recorded. Visualizing this type of data helps clarify trends and illuminates relationships between data.

Plotting time-series data

Read data with a time index

Plot time-series data

Using a time index to zoom in

Plotting time-series with different variables

Plotting two variables

Defining a function that plots time-series data

Using a plotting function

Annotating time-series data

Annotating a plot of time-series data

Plotting time-series: putting it all together

Zacznij rozdział

3

Quantitative comparisons and statistical visualizations

Visualizations can be used to compare data in a quantitative manner. This chapter explains several methods for quantitative visualizations.

Quantitative comparisons: bar-charts

Stacked bar chart

Quantitative comparisons: histograms

Creating histograms

"Step" histogram

Statistical plotting

Adding error-bars to a bar chart

Adding error-bars to a plot

Creating boxplots

Quantitative comparisons: scatter plots

Simple scatter plot

Encoding time by color

Zacznij rozdział

4

Sharing visualizations with others

This chapter shows you how to share your visualizations with others: how to save your figures as files, how to adjust their look and feel, and how to automate their creation based on input data.

Preparing your figures to share with others

Selecting a style for printing

Switching between styles

Saving your visualizations

Saving a file several times

Save a figure with different sizes

Automating figures from data

Unique values of a column

Automate your visualization

Where to go next

Zacznij rozdział

Wprowadzenie do wizualizacji danych z Matplotlib

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Wprowadzenie do wizualizacji danych z Matplotlib już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.