Das erste Diagramm

Kurz gesagt: Ein Diagramm in matplotlib ist eine Figure mit Axes: plot zeichnet eine Linie, bar zeichnet Balken, und Titel, Achsenbeschriftungen und Legende sagen, was gezeigt wird.

Problem

„Zeig mir das Jahr“

Der Chef will sehen, wie das Jahr läuft. Du weißt schon, wie du den Umsatz nach Monat berechnest: die Bestellzeilen ohne die stornierten, nach Monat summiert. Der Monat sind die ersten 7 Zeichen von ordered_at, zum Beispiel „2026-03“:

PythonDaten: die Tabellen des Shops

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
# Der Umsatz enthält die stornierten Bestellungen nicht.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
monthly = lines.groupby('month')['revenue'].sum()
monthly.round(2)

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') # Der Umsatz enthält die stornierten Bestellungen nicht. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] monthly = lines.groupby('month')['revenue'].sum() monthly.round(2)

▶ AusführenCode zurücksetzen

Die Zahlen stimmen, aber in 12 Zeilen ist schwer zu sehen, was ein Gipfel und was ein Einbruch ist. Der Dezember ist 15.915,90 €, und der Januar ist 7.228,20 €. Wie groß ist der Einbruch im Vergleich zu den anderen Monaten? In einer Tabelle sieht das Auge es nicht. In einer Linie sofort.

Die Idee

Figure und Axes

In der Lektion „Willkommen“ hast du ein Diagramm mit einer einzigen Zeile Code gesehen. Jetzt siehst du, was dahintersteht.

Ein Diagramm in matplotlib hat zwei Objekte:

• die Figure (Figure) ist das ganze Blatt: die Größe und das Speichern in eine Datei;
• die Axes (Axes) ist der Kasten mit der waagerechten und der senkrechten Achse, in den du zeichnest.

plt.subplots() liefert dir beide: fig, ax = plt.subplots(). Dann zeichnest du in die Axes. ax.plot(x, y) verbindet die Punkte mit einer Linie:

PythonDaten: die Tabellen des Shops

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
# Der Umsatz enthält die stornierten Bestellungen nicht.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
monthly = lines.groupby('month')['revenue'].sum()
fig, ax = plt.subplots()
ax.plot(monthly.index, monthly.values)

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') # Der Umsatz enthält die stornierten Bestellungen nicht. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] monthly = lines.groupby('month')['revenue'].sum() fig, ax = plt.subplots() ax.plot(monthly.index, monthly.values)

▶ AusführenCode zurücksetzen

[Diagramm] im Text der Ausgabe heißt, dass das Diagramm keinen Titel hat. Die Linie zeigt schon den Gipfel im Dezember und den Einbruch danach. Es fehlen noch drei Dinge: ein Titel, Beschriftungen an den Achsen und Monate, die du lesen kannst.

Genauer, für Neugierige

Hier und in Jupyter erscheint das Diagramm von allein am Ende der Zelle, deshalb gibt es kein plt.show(). In einem Skript (python chart.py) zeigst du es mit plt.show() oder speicherst es mit fig.savefig('monthly.png'). Sonst endet das Skript, und die Figure geht mit.

plt.plot(...) ohne fig, ax zeichnet auch: matplotlib nimmt dann selbst die „aktuellen“ Axes. Das ist praktisch für ein schnelles Diagramm, aber bei mehreren Axes weißt du nicht, welche gerade aktuell ist. Deshalb zeichnest du hier immer in benannte Axes.

Die Idee

Titel, Beschriftungen und Ticks

Ein Diagramm ohne Beschriftungen lässt den Leser raten. Die Axes haben für jede Sache eine Methode:

• ax.set_title sagt, was du ansiehst;
• ax.set_xlabel und ax.set_ylabel sagen, was unten und was an der Seite steht;
• ax.tick_params(axis='x', labelrotation=45) dreht die Tick-Beschriftungen, die Zahlen und Namen unter der Achse, damit sie sich nicht überlappen;
• fig.tight_layout() ordnet das Blatt so an, dass die gedrehten Beschriftungen nicht abgeschnitten werden.

marker='o' setzt einen Punkt auf jeden Monat:

PythonDaten: die Tabellen des Shops

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
# Der Umsatz enthält die stornierten Bestellungen nicht.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
monthly = lines.groupby('month')['revenue'].sum()
fig, ax = plt.subplots()
ax.plot(monthly.index, monthly.values, marker='o')
ax.set_title('Umsatz nach Monat, €')
ax.set_xlabel('Monat')
ax.set_ylabel('Umsatz, €')
ax.tick_params(axis='x', labelrotation=45)
fig.tight_layout()

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') # Der Umsatz enthält die stornierten Bestellungen nicht. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] monthly = lines.groupby('month')['revenue'].sum() fig, ax = plt.subplots() ax.plot(monthly.index, monthly.values, marker='o') ax.set_title('Umsatz nach Monat, €') ax.set_xlabel('Monat') ax.set_ylabel('Umsatz, €') ax.tick_params(axis='x', labelrotation=45) fig.tight_layout()

▶ AusführenCode zurücksetzen

Jetzt siehst du, dass 11 Monate zwischen 7.000 € und 10.000 € liegen und der Dezember über 15.000 €. Januar, Februar und September sind die niedrigsten. Warum der September einbricht, findest du im Projekt heraus.

Probier es aus

Bestellungen nach Monat

Zeichne die Anzahl der Bestellungen in jedem Monat (ohne die stornierten) als Linie. Leg die Anzahlen in counts ab und gib dem Diagramm einen Titel und Beschriftungen an beiden Achsen.

PythonDaten: die Tabellen des Shops

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
sold = orders[orders['status'] != 'cancelled']
counts = ...
fig, ax = plt.subplots()
...

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') sold = orders[orders['status'] != 'cancelled'] counts = ... fig, ax = plt.subplots() ...

Prüfen▶ Ausführen

Die Idee

Balken: ax.bar

Eine Linie verbindet Punkte und sagt „von hier bis hier hat sich etwas verändert“. Das ergibt Sinn für Monate, die aufeinander folgen. Kategorien folgen nicht aufeinander: Für sie zeichnest du Balken (ein Balkendiagramm) mit ax.bar(names, values).

Der Umsatz nach Kategorie braucht den Kategorienamen in jeder Zeile: Produkt → category_id → Name. Zwei map-Aufrufe liefern ihn:

PythonDaten: die Tabellen des Shops

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
# Der Umsatz enthält die stornierten Bestellungen nicht.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
products = pd.read_csv('products.csv')
categories = pd.read_csv('categories.csv')
cat_of = products.set_index('id')['category_id']
cat_name = categories.set_index('id')['name']
lines['category'] = lines['product_id'].map(cat_of).map(cat_name)
by_cat = lines.groupby('category')['revenue'].sum()
print(len(by_cat), round(by_cat.sum(), 2), round(lines['revenue'].sum(), 2))
fig, ax = plt.subplots()
ax.bar(by_cat.index, by_cat.values)
ax.set_title('Umsatz nach Kategorie, €')
ax.set_ylabel('Umsatz, €')
ax.tick_params(axis='x', labelrotation=30)
fig.tight_layout()

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') # Der Umsatz enthält die stornierten Bestellungen nicht. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] products = pd.read_csv('products.csv') categories = pd.read_csv('categories.csv') cat_of = products.set_index('id')['category_id'] cat_name = categories.set_index('id')['name'] lines['category'] = lines['product_id'].map(cat_of).map(cat_name) by_cat = lines.groupby('category')['revenue'].sum() print(len(by_cat), round(by_cat.sum(), 2), round(lines['revenue'].sum(), 2)) fig, ax = plt.subplots() ax.bar(by_cat.index, by_cat.values) ax.set_title('Umsatz nach Kategorie, €') ax.set_ylabel('Umsatz, €') ax.tick_params(axis='x', labelrotation=30) fig.tight_layout()

▶ AusführenCode zurücksetzen

Es gibt 6 Balken, und sie ergeben zusammen 107.466,20 €. Der Umsatz des Jahres ist 111.186,20 €. Es fehlen 3.720 €: Die Geschenkkarte hat keine Kategorie, map gibt ihr NaN, und groupby überspringt NaN stillschweigend. Das Diagramm sieht gut aus. Also zähle die Balken und vergleiche ihre Summe mit dem Umsatz.

Probier es aus

Alle Kategorien

Zeichne den Umsatz nach Kategorie so, dass die Geschenkkarte ein eigener Balken ist. Leg den Umsatz nach Kategorie in by_cat ab und füge einen Titel und eine Beschriftung an der senkrechten Achse hinzu.

PythonDaten: die Tabellen des Shops

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
# Der Umsatz enthält die stornierten Bestellungen nicht.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
products = pd.read_csv('products.csv')
categories = pd.read_csv('categories.csv')
cat_of = products.set_index('id')['category_id']
cat_name = categories.set_index('id')['name']
lines['category'] = ...
by_cat = ...
fig, ax = plt.subplots()
...

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') # Der Umsatz enthält die stornierten Bestellungen nicht. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] products = pd.read_csv('products.csv') categories = pd.read_csv('categories.csv') cat_of = products.set_index('id')['category_id'] cat_name = categories.set_index('id')['name'] lines['category'] = ... by_cat = ... fig, ax = plt.subplots() ...

Prüfen▶ Ausführen

Die Idee

Die Abkürzung: df.plot

Series und DataFrame haben eine Methode plot. Sie ruft matplotlib für dich auf: kind='line' (der Standard), kind='bar' und die anderen Arten, die in den nächsten Lektionen kommen. Mit ax=ax zeichnet sie in deine Axes. Dann beendest du sie mit den Methoden der Axes, wie vorher:

PythonDaten: die Tabellen des Shops

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
# Der Umsatz enthält die stornierten Bestellungen nicht.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
products = pd.read_csv('products.csv')
categories = pd.read_csv('categories.csv')
cat_of = products.set_index('id')['category_id']
cat_name = categories.set_index('id')['name']
lines['category'] = lines['product_id'].map(cat_of).map(cat_name).fillna('Geschenkkarte')
by_cat = lines.groupby('category')['revenue'].sum()
fig, ax = plt.subplots()
by_cat.plot(kind='bar', ax=ax)
ax.set_title('Umsatz nach Kategorie, €')
ax.set_ylabel('Umsatz, €')
fig.tight_layout()
print(ax.get_xlabel())

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') # Der Umsatz enthält die stornierten Bestellungen nicht. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] products = pd.read_csv('products.csv') categories = pd.read_csv('categories.csv') cat_of = products.set_index('id')['category_id'] cat_name = categories.set_index('id')['name'] lines['category'] = lines['product_id'].map(cat_of).map(cat_name).fillna('Geschenkkarte') by_cat = lines.groupby('category')['revenue'].sum() fig, ax = plt.subplots() by_cat.plot(kind='bar', ax=ax) ax.set_title('Umsatz nach Kategorie, €') ax.set_ylabel('Umsatz, €') fig.tight_layout() print(ax.get_xlabel())

▶ AusführenCode zurücksetzen

pandas hat die Kategorienamen unter die Balken gesetzt und gedreht. Es hat auch eine Beschriftung unten gesetzt: den Namen des Index, category. Der Titel und die senkrechte Beschriftung kommen aus deinem Code.

Beide Wege liefern dasselbe Diagramm. ax.bar gibt dir volle Kontrolle. df.plot spart Zeilen, wenn die Daten schon in einer Series oder Tabelle liegen.

1. Du hast fig, ax = plt.subplots() ausgeführt. Wo zeichnet monthly.plot(ax=ax)?

In eine neue Figure, getrennt von figNirgends, bis du plt.show() aufrufstIn die Axes ax: Danach setzt ax.set_title einen Titel auf dasselbe Diagramm

Prüfen

Die Idee

Mehrere Linien und eine Legende

Der Dezember ist der Gipfel des Jahres. Wachsen alle Kategorien gleich? Zwei Linien in einer Axes beantworten das. Jedes ax.plot fügt eine Linie hinzu, label gibt ihr einen Namen, und ax.legend() fügt die Legende hinzu: einen Kasten, der sagt, welche Linie welche ist:

PythonDaten: die Tabellen des Shops

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
# Der Umsatz enthält die stornierten Bestellungen nicht.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
products = pd.read_csv('products.csv')
categories = pd.read_csv('categories.csv')
cat_of = products.set_index('id')['category_id']
cat_name = categories.set_index('id')['name']
lines['category'] = lines['product_id'].map(cat_of).map(cat_name).fillna('Geschenkkarte')
by_cat = lines.groupby('category')['revenue'].sum()
pv = lines.pivot_table(index='month', columns='category', values='revenue', aggfunc='sum')
print(pv[['Küche', 'Milchprodukte']].head(3).round(2))
fig, ax = plt.subplots()
ax.plot(pv.index, pv['Küche'], label='Küche')
ax.plot(pv.index, pv['Milchprodukte'], label='Milchprodukte')
ax.legend()
ax.set_title('Küche und Milchprodukte nach Monat, €')
ax.set_ylabel('Umsatz, €')
ax.tick_params(axis='x', labelrotation=45)
fig.tight_layout()

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') # Der Umsatz enthält die stornierten Bestellungen nicht. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] products = pd.read_csv('products.csv') categories = pd.read_csv('categories.csv') cat_of = products.set_index('id')['category_id'] cat_name = categories.set_index('id')['name'] lines['category'] = lines['product_id'].map(cat_of).map(cat_name).fillna('Geschenkkarte') by_cat = lines.groupby('category')['revenue'].sum() pv = lines.pivot_table(index='month', columns='category', values='revenue', aggfunc='sum') print(pv[['Küche', 'Milchprodukte']].head(3).round(2)) fig, ax = plt.subplots() ax.plot(pv.index, pv['Küche'], label='Küche') ax.plot(pv.index, pv['Milchprodukte'], label='Milchprodukte') ax.legend() ax.set_title('Küche und Milchprodukte nach Monat, €') ax.set_ylabel('Umsatz, €') ax.tick_params(axis='x', labelrotation=45) fig.tight_layout()

▶ AusführenCode zurücksetzen

Die Küche springt von 964,80 € im November auf 3.240,60 € im Dezember, das 3,4-Fache. Dann fällt sie im Januar auf 592,80 €. Die Bratpfanne und die Messer werden wohl als Geschenke gekauft. Die Milchprodukte wachsen weniger: von 2.792,10 € auf 3.561,20 €.

Eine Tabelle mit einer Spalte für jede Kategorie zeichnet df.plot in einem Zug, eine Linie pro Spalte, mit einer Legende aus den Spaltennamen. Deshalb ist die Tabelle in der Lektion über pivot_table breit:

PythonDaten: die Tabellen des Shops

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
# Der Umsatz enthält die stornierten Bestellungen nicht.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
products = pd.read_csv('products.csv')
categories = pd.read_csv('categories.csv')
cat_of = products.set_index('id')['category_id']
cat_name = categories.set_index('id')['name']
lines['category'] = lines['product_id'].map(cat_of).map(cat_name).fillna('Geschenkkarte')
by_cat = lines.groupby('category')['revenue'].sum()
pv = lines.pivot_table(index='month', columns='category', values='revenue', aggfunc='sum')
fig, ax = plt.subplots()
pv.plot(ax=ax)
ax.set_title('Umsatz nach Kategorie und Monat, €')
ax.set_ylabel('Umsatz, €')
fig.tight_layout()

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') # Der Umsatz enthält die stornierten Bestellungen nicht. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] products = pd.read_csv('products.csv') categories = pd.read_csv('categories.csv') cat_of = products.set_index('id')['category_id'] cat_name = categories.set_index('id')['name'] lines['category'] = lines['product_id'].map(cat_of).map(cat_name).fillna('Geschenkkarte') by_cat = lines.groupby('category')['revenue'].sum() pv = lines.pivot_table(index='month', columns='category', values='revenue', aggfunc='sum') fig, ax = plt.subplots() pv.plot(ax=ax) ax.set_title('Umsatz nach Kategorie und Monat, €') ax.set_ylabel('Umsatz, €') fig.tight_layout()

▶ AusführenCode zurücksetzen

Sieben Linien in einer Axes verheddern sich schon. Welches Diagramm wann hilft und wie du viele Reihen zeigst, ohne dass sie sich verheddern, ist die nächste Lektion.

Übung

Wer trägt den Dezember?

Die zwei großen Gruppen von Kategorien sind Lebensmittel und Haushalt (parent_id in categories.csv). Zeichne den Umsatz jeder Gruppe nach Monat als zwei Linien in einer Axes, mit Legende, Titel und Beschriftungen an den Achsen. Leg die Tabelle nach Monat und Gruppe in pv ab.

PythonDaten: die Tabellen des Shops

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
# Der Umsatz enthält die stornierten Bestellungen nicht.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
products = pd.read_csv('products.csv')
categories = pd.read_csv('categories.csv')
cat_of = products.set_index('id')['category_id']
cat_name = categories.set_index('id')['name']
parent_of = categories.set_index('id')['parent_id']
lines['group'] = lines['product_id'].map(cat_of).map(parent_of).map(cat_name)
pv = ...
fig, ax = plt.subplots()
...

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') # Der Umsatz enthält die stornierten Bestellungen nicht. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] products = pd.read_csv('products.csv') categories = pd.read_csv('categories.csv') cat_of = products.set_index('id')['category_id'] cat_name = categories.set_index('id')['name'] parent_of = categories.set_index('id')['parent_id'] lines['group'] = lines['product_id'].map(cat_of).map(parent_of).map(cat_name) pv = ... fig, ax = plt.subplots() ...

Prüfen▶ Ausführen

Test

Teste dich

1. Welches der zwei Objekte hat set_title, set_xlabel und plot?

ax: die Axes, in die du zeichnestplt: die Bibliothek selbstfig: das ganze Bild

2. Die Monatsbeschriftungen unter dem Diagramm überlappen sich. Was hilft?

Ein kürzerer Titelax.set_xlabel("Monat")ax.tick_params(axis='x', labelrotation=45) und dann fig.tight_layout()

3. Du führst denselben Code als Datei chart.py im Terminal aus und siehst nichts. Warum?

In einem Skript erscheint das Diagramm nicht von allein: Du brauchst plt.show() oder fig.savefig("chart.png")ax.legend() fehltmatplotlib funktioniert nur im Browser

4. Die Geschenkkarte hat keine Kategorie. Wie viele Balken liefert lines.groupby("category")["revenue"].sum(), mit ax.bar gezeichnet?

6: Die NaN-Gruppe fällt stillschweigend herausEinen Fehler: NaN kann kein Schlüssel sein7: NaN ist eine eigene Gruppe

5. Du hast zwei Linien mit ax.plot(...) gezeichnet und ax.legend() aufgerufen, aber die Legende ist leer. Warum?

Die Linien haben kein label="…": Die Legende zeigt die Namen der LinienDie zwei Linien haben dieselbe FarbeDie Legende braucht plt.show()

Prüfen

Lektion von vorn beginnen

Verwandte Lektionen

• Baut auf: Typen und fehlende Werte · Gruppen: groupby · Verbinden: merge · Breit und lang: pivot_table und melt
• Geht weiter in: Welches Diagramm für welche Frage · Verteilungen · Ehrliche Diagramme · Die Daten beschreiben
• Aufgaben zum Thema: Diagramme