5  Best Practices in Matplotlib: Fehler und Verbesserungen

In diesem Kapitel zeigen wir für häufige Problemstellungen jeweils ein schlechtes und ein verbessertes Beispiel.

5.1 1. Fehlende Beschriftungen

5.1.1 ❌ Schlechtes Beispiel

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.show()

5.1.2 ✅ Besseres Beispiel

plt.plot(x, y, label='sin(x)', color='b')
plt.xlabel('Zeit (s)')
plt.ylabel('Amplitude')
plt.title('Sinuskurve')
plt.legend()
plt.show()

5.2 2. Ungünstige Farbwahl

5.2.1 ❌ Schlechtes Beispiel

plt.plot(x, y, color='yellow')
plt.show()

5.2.2 ✅ Besseres Beispiel

plt.plot(x, y, color='darkblue')
plt.grid(True, linestyle='--', alpha=0.7)
plt.title('Gute Kontraste für bessere Lesbarkeit')
plt.show()

5.3 3. Keine sinnvolle Achsenskalierung

5.3.1 ❌ Schlechtes Beispiel

plt.plot(x, y)
plt.ylim(0.5, 1)
plt.show()

5.3.2 ✅ Besseres Beispiel

plt.plot(x, y)
plt.ylim(-1.2, 1.2)
plt.xlim(0, 10)
plt.grid(True)
plt.title('Sinnvolle Achsenskalierung')
plt.show()

5.4 4. Überladung durch zu viele Linien

5.4.1 ❌ Schlechtes Beispiel

for i in range(10):
    plt.plot(x, np.sin(x + i * 0.2))
plt.show()

5.4.2 ✅ Besseres Beispiel

plt.plot(x, np.sin(x), label='sin(x)')
plt.plot(x, np.cos(x), label='cos(x)')
plt.legend()
plt.title('Weniger ist mehr: Reduzierte Informationsdichte')
plt.grid(True)
plt.show()

5.5 Fazit

Gute Plots zeichnen sich durch klare Beschriftungen, gute Lesbarkeit und eine sinnvolle Informationsdichte aus.