How come there are no Python textbooks that avoid stock market trends and real estate estimates? What about using the shift in flower blossoming times due to climate change as an example instead. Or the organisation of a housing projects needs. We could try to revive Cybersyn, man!

pandas is like excel on steroids. Install it first:

!pip install pandas
import pandas as pd

Pandas DataFrame hat Spalten und Zeilen wie in Excel. You can manually enter data to a dataframe (df) this way:

df = pd.DataFrame({
    "SpalteA": ["Eintrag1", "Eintrag2"],
    "SpalteB": ["Eintrag1", "Eintrag2"]
})

print(df)

but its easier to import your excel-data, csv data, json or txt files:

df=pd.read_csv(r"df.csv")
print(df)

Plotting with matplotlib 101

from matplotlib import pyplot as plt # Importiert das Submodul

plt.subplots()   # Funktion aus dem pyplot-Submodul; gibt in diesem Fall eine Figure und 1 Plot aus.
plt.subplots(2)  # Gibt eine Figure + 2 Plots übereinander aus

# Wir sprechen die zwei Ausgaben dieser Funktion an, indem wir den Ausgabevariblen Namen geben z.B

fig, ax = plt.subplots() 

# Wollen wir jetzt die Beschriftung der Achsen ändern, rufen wir die variable ax auf mit der Funktion 

ax. set_xlabel("Name der X-Achse") 
ax.set_ylabel("Name der Y-Achse")

x = [1, 2, 3, 4, 5]
y = [10, 15, 7, 20, 12]

ax.plot(x, y)   # zeichnet die Werte ein
plt.show()        # zeigt die Figure an

Vergleichendes Säulendiagramm

Zuerst importieren wir die benötigten Bibliotheken

import matplotlib.pyplot as plt
import pandas as pd

Dann kommen die X-Achsen-Einträge, also Kategorien beispielsweise und die Werte für beide Säulen in Form von Listen, also mit "variable=[]"

import matplotlib.pyplot as plt
import pandas as pd

kategorien = ['A','B','C','D',]
säule_a = [8.3, 9.7, 10.8, 8.1]
säule_b = [7.6, 8.2, 4.8, 3.4]


Dann erstellen wir ein DataFrame aus den Daten, also im Grunde ne Tabelle. Wir sagen, was die Spalten und Zeilen beinhalten sollen, nämlich unsere kategorien und säulenwerte.

import matplotlib.pyplot as plt
import pandas as pd

kategorien = ['A','B','C','D',]
säule_a = [8.3, 9.7, 10.8, 8.1]
säule_b = [7.6, 8.2, 4.8, 3.4]


width_inch = 15 / 2.54
height_inch = 9 / 2.54

fig, ax = plt.subplots(figsize=(width_inch, height_inch), dpi=300)

df = pd.DataFrame({'Kategorien': kategorien,'name_säule_a': säule_a,'name_säule_b': säule_b})


Dann spannen wir unsere Leinwand auf (df.plot), weisen die X-Achsen-Einträge aus, sagen dass es ein Süulendiagramm werden soll, wählen Farben, Säulenbreite und Abbildungsgröße.

import matplotlib.pyplot as plt
import pandas as pd

kategorien = ['A','B','C','D',]
säule_a = [8.3, 9.7, 10.8, 8.1]
säule_b = [7.6, 8.2, 4.8, 3.4]


width_inch = 15 / 2.54
height_inch = 9 / 2.54

fig, ax = plt.subplots(figsize=(width_inch, height_inch), dpi=300)

df = pd.DataFrame({'Kategorien': kategorien,'name_säule_a': säule_a,'name_säule_b': säule_b})
    
ax = df.plot(x='Study well',kind='bar',color=['#3170b8', '#e67d26'],width=0.7,figsize=(12, 6),ax=ax)


Zu guter Letzt beschriften wir die Achsen, machen ne Legende.


import matplotlib.pyplot as plt
import pandas as pd


kategorien = ['A','B','C','D',]
säule_a = [8.3, 9.7, 10.8, 8.1]
säule_b = [7.6, 8.2, 4.8, 3.4]


width_inch = 15 / 2.54
height_inch = 9 / 2.54

fig, ax = plt.subplots(figsize=(width_inch, height_inch), dpi=300)

df = pd.DataFrame({'kategorien': kategorien,'name_säule_a': säule_a,'name_säule_b': säule_b})
    
ax = df.plot(x='kategorien',kind='bar',color=['#3170b8', '#e67d26'],width=0.7,figsize=(12, 6),ax=ax)

plt.ylabel('y-Achsen-Label')
plt.xlabel('kategorien')
plt.ylim(0, 25)
plt.xticks(rotation=90)
plt.legend(title='Legende', loc='upper right')
plt.tight_layout()

plt.show()