Summary  
This chapter introduces how to create and manage Figure and Axes objects in matplotlib’s artist layer via the pyplot module, demonstrating the use of subplots() to set up a canvas, plotting on the Axes, and printing the canvas with show().

General domain of usage  
Data visualization

`matplotlib` har tre lag:
* **Backend-lag**: gengiver plot til skærme eller filer;
* **Artist-lag**: beskriver, hvordan data er arrangeret, består af ét objekt, `Artist`;
* **Scripting-lag**: forbinder de to foregående lag og forenkler adgangen til dem.

Hovedfokus er på scripting-laget med `pyplot`-modulet og artist-laget. Artist-laget omfatter følgende:

* **Containere** (f.eks. `Figure`, `Axes`);
* **Primitiver** (f.eks. linje, rektangel, cirkel, tekst osv.).

`Figure` er det primære `Artist`-objekt og kan betragtes som et lærred, hvor alle plots placeres. Grundlæggende holder det alt sammen.

På den anden side er `Axes` et objekt, der består af to akse-objekter, x-akse og y-akse.



`Figure` = lærred, `Axes` = x-akse + y-akse.

Bemærk

Nu ser vi på oprettelsen af `Figure` og dens `Axes`:

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.plot()
plt.show()

Data er overalt omkring os, og det er yderst vigtigt at kunne forstå det. Visualisering hjælper dig med at håndtere data ved at finde bestemte mønstre og indsigter. Du opbygger et solidt fundament inden for datavisualisering ved hjælp af Python og dets biblioteker, såsom matplotlib og seaborn, for at udtrække så meget information som muligt fra data på en overskuelig og præcis måde.

Først vil vi diskutere plot-applikationer, Matplotlib-biblioteket og dets fordele. Derefter vil du oprette dit første simple plot ved hjælp af Matplotlib.

Nu er du klar til at oprette forskellige diagrammer, der ofte anvendes i praksis. Uden yderligere forsinkelse går vi i gang med det samme!

Plotning og visualisering handler ikke kun om at skabe et plot eller flere plots, men også om at gøre dem klare, forståelige og behagelige at se på. Det er tid til at lære tilpasning af plots i matplotlib.

Statistik er afgørende i arbejdet med data, og det er derfor meget vigtigt at kende til oprettelse af forskellige statistiske diagrammer. Nu er det tid til at udforske de mest almindelige af dem.

Seaborn er et andet kraftfuldt visualiseringsbibliotek i Python, bygget oven på matplotlib. Nu hvor du er bekendt med matplotlib, er det tid til at fordybe sig i visualisering med seaborn.

Ultimativ Visualisering med Python

Oprettelse af et Lærred

Ultimativ Visualisering med Python

Oprettelse af et Lærred