Skip to content

11_Datenvisualisierung.md

Latest commit

 

History

History
263 lines (203 loc) · 11.5 KB

11_Datenvisualisierung.md

File metadata and controls

263 lines (203 loc) · 11.5 KB

LiaScript

Visualisierung mit Python

Parameter Kursinformationen
Veranstaltung: @config.lecture
Semester @config.semester
Hochschule: Technische Universität Freiberg
Inhalte: Visualisierung mit Python
Link auf Repository: https://github.com/TUBAF-IfI-LiaScript/VL_EAVD/blob/master/09_Datenvisualisierung.md
Autoren @author

Fragen an die heutige Veranstaltung ...

  • Welche Grundkonzepte stehen hinter der Programmierung von Grafiken?
  • Wie geht man bei der Erschließung von unbekannten Methoden sinnvoll vor?

Datenvisualisierung

In einem vorigen Termin haben wir Ihre Zugehörigkeit zu verschiedenen Studiengängen eingelesen und analysiert Link L08.

Auf die Frage hin, welche Häufigkeiten dabei auftraten, beantwortete unser Skript mit einem Dictonary:

{'S-UWE': 1, 'S-WIW': 18, 'S-GÖ': 9, 'S-VT': 2, 'S-BAF': 3, 'S-WWT': 8, 'S-NT': 4, 
 'S-ET': 3, 'S-MB': 1, 'S-FWK': 3, 'F1-INF': 2, 'S-BWL': 2, 'S-MAG': 4, 'F2-ANCH': 3, 
 'S-ACW': 4, 'S-GTB': 4, 'S-GBG': 5, 'S-GM': 2, 'S-ERW': 1, 'S-INA': 1, 'S-MORE': 1,
  'S-CH': 1}
Studiengang Anzahl
'S-UWE' 1
'S-WIW' 18
'S-GÖ' 9
'S-VT' 2
'S-BAF' 3
'S-WWT' 8
'S-NT' 4
'S-ET' 3
'S-MB' 1
'S-FWK' 3
'F1-INF' 2
'S-BWL' 2
'S-MAG' 4
'F2-ANCH' 3
'S-ACW' 4
'S-GTB' 4
'S-GBG' 5
'S-GM' 2
'S-ERW' 1
'S-INA' 1
'S-MORE' 1
'S-CH' 1

Die textbasierte Ausgabe ist nur gering geeignet, um einen raschen Überblick zu erlangen. Entsprechend suchen wir nach einer grafischen Ausgabemöglichkeit für unsere Python Skripte.

Python Visualisierungstools

Python stellt eine Vielzahl von Paketen für die Visualisierung von Dateninhalten bereit. Diese zielen auf unterschiedliche Visionen oder Features:

  • einfache Verwendbarkeit
  • große Bandbreite von Diagrammarten und Adaptionsmöglichkeiten
  • interaktive Diagramme
  • Vielzahl von Exportschnittstellen
Package Link Besonderheiten
plotly Link Fokus auf interaktive Diagramme eingebettetet in Webseiten
seaborn Link Leistungsfähige Darstellung von statistischen Daten
matplotlib Link
...

Matplotlib Grundlagen

import matplotlib.pyplot as plt

a = [5,6,7,9,12]
b =[x**2 for x in a]   # List Comprehension
plt.plot(a, b)

#plt.show()  
plt.savefig('foo.png') # notwendig für die Ausgabe in LiaScript

@LIA.eval(["main.py"], none, python3 main.py)

Anpassung API
Linientyp der Datendarstellung pyplot.plot plt.plot(a, b, 'ro:')
Achsenlabel hinzufügen pyplot.xlabel plt.xlabel('my data', fontsize=14, color='red')
Titel einfügen pyplot.title plt.title(r'$\sigma_i=15$')
Gitter einfügen pyplot.grid plt.grid()
Legende pyplot.legend plt.plot(a, b, 'ro:', label="Data")
plt.legend()
Speichern pyplot.savefig plt.savefig('foo.png')

Matplot

Weiter Tutorials sind zum Beispiel unter

!?MatplotlibTutorial

Matplotlib Beispiele

import numpy as np
import matplotlib.pyplot as plt

N = 21
x = np.linspace(0, 10, 11)   # [ 0.,  1.,  2.,  3., ..., 10.0]
y = [3.9, 4.4, 10.8, 10.3, 11.2, 13.1, 14.1,  9.9, 13.9, 15.1, 12.5]

# fit a linear curve an estimate its y-values and their error.
a, b = np.polyfit(x, y, deg=1)
y_est = a * x + b
y_err = x.std() * np.sqrt(1/len(x) +
                          (x - x.mean())**2 / np.sum((x - x.mean())**2))

fig, ax = plt.subplots()
ax.plot(x, y_est, '-')    # plot the fitted (regression) line
ax.fill_between(x, y_est - y_err, y_est + y_err, alpha=0.2)
ax.plot(x, y, 'o', color='tab:brown')   # plot data points as brown circles

#plt.show()  
plt.savefig('foo.png') # notwendig für die Ausgabe in LiaScript

@LIA.eval(["main.py"], none, python3 main.py)

import numpy as np
import matplotlib.pyplot as plt

def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)

t1 = np.arange(0.0, 5.0, 0.1)   # [0, 0.1, 0.2, ..., 4.9 ]
t2 = np.arange(0.0, 5.0, 0.02)  # [0.  , 0.02, 0.04, 0.06, ..., 4.98]

plt.figure()
plt.subplot(2, 1, 1) # 2 Zeilen, 1 Spalte: erstes Diagramm
# plt.subplot(211) # geht auch, falls Anzahl der Zeilen/Spalten <= 9
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')  
# 'bo': blaue Kreise, 'k': schwarze Linie

plt.subplot(212) # 2 Zeilen, 1 Spalte: zweites Diagramm
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
#plt.show()  
plt.savefig('foo.png') # notwendig für die Ausgabe in LiaScript

@LIA.eval(["main.py"], none, python3 main.py)

import numpy as np
import matplotlib.pyplot as plt

data ={'S-UWE': 1, 'S-WIW': 18, 'S-GÖ': 9, 'S-VT': 2, 'S-BAF': 3, 'S-WWT': 8,
 'S-NT': 4, 'S-ET': 3, 'S-MB': 1, 'S-FWK': 3, 'F1-INF': 2, 'S-BWL': 2, 
 'S-MAG': 4, 'F2-ANCH': 3, 'S-ACW': 4, 'S-GTB': 4, 'S-GBG': 5, 'S-GM': 2, 
 'S-ERW': 1, 'S-INA': 1, 'S-MORE': 1, 'S-CH': 1}

labels = list(data.keys())
values = list(data.values())

fig, ax = plt.subplots()
ax.bar(labels, values, color='teal')
ax.set_ylabel('Anzahl der Studierenden')
ax.set_title('Verteilung der Studierenden auf die Studiengänge')
plt.xticks(rotation=45, ha='right')
plt.tight_layout()
#plt.show()
plt.savefig('foo.png') # notwendig für die Ausgabe in LiaScript

@LIA.eval(["main.py"], none, python3 main.py)

Beispiel der Woche

import numpy as np
import matplotlib.pyplot as plt
from scipy.fft import fft, fftfreq

# Number of sample points
N = 600

# sample spacing
T = 1.0 / 800.0
x = np.linspace(0.0, N*T, N, endpoint=False)

# create a signal with two frequencies (50 Hz and 330 Hz) and some noise
y = np.sin(50.0 * 2.0*np.pi*x)  # 50 Hz component
y += 0.5*np.sin(330.0 * 2.0*np.pi*x) # 330 Hz component, smaller amplitude
y += 0.3*np.random.normal(size=x.shape) # add some noise (optional)

# compute the Fourier Transform and corresponding frequencies
yf = fft(y)
xf = fftfreq(N, T)[:N//2]  # positive frequencies only  

# plot the original signal and its Fourier Transform
fig, axs = plt.subplots(2, 1)
axs[0].plot(x, y)
axs[0].set_title('Original Signal')
axs[0].set_xlabel('Time [s]')
axs[0].set_ylabel('Amplitude')
axs[1].plot(xf, 2.0/N * np.abs(yf[0:N//2]))
axs[1].set_title('Fourier Transform')
axs[1].set_xlabel('Frequency [Hz]')
axs[1].set_ylabel('Magnitude')  
plt.grid()
plt.tight_layout()

#plt.show()
plt.savefig('foo.png')

@LIA.eval(["main.py"], none, python3 main.py)

Quiz

Matplotlib Grundlagen

Wodurch muss [_____] ersetzt werden, um einen Plot mit dem Jahr auf der X-Achse und der Anzahl der Tassen Tee auf der Y-Achse zu erstellen?

import matplotlib.pyplot as plt

year = [2000, 2001, 2002, 2003, 2004]
ttg =[232, 533, 433, 410, 450] # Tassen Tee getrunken
plt.[_____]

plt.show()

[[plot(year, ttg)]]

<script> let input = "@input".trim().toLowerCase() input == "plot(year, ttg)" || input == "plot(year,ttg)" </script>