Matplotlib


Eine Zusammenstellung aus fertigen Graphen und dem dazugehörigen Programmcode.
Basisdaten

Entwickler John D. Hunter
Erscheinungsjahr 2003[1]
Aktuelle Version 3.11.0[2]
(12. Juni 2026)
Betriebssystem plattformunabhängig
Programmier­sprache Python
Kategorie Programmbibliothek
Lizenz Matplotlib-Lizenz
matplotlib.org

Matplotlib ist eine Programmbibliothek für die Programmiersprache Python, die es erlaubt, mathematische Darstellungen aller Art anzufertigen.

Beschreibung

Bearbeiten

Matplotlib kann mit Python 2.x (bis Matplotlib 2.2.x) und 3.x verwendet werden und funktioniert auf allen gängigen Betriebssystemen. Dabei wird eine Python-ähnliche objektorientierte Schnittstelle verwendet. Nach dem Importieren der Bibliothek kann man graphische Darstellungen mithilfe der Python-Konsole erzeugen. Man kann jedoch auch Matplotlib in bestehende Python-Programme integrieren. Dazu verwendet Matplotlib Anbindungen zu GUI-Bibliotheken wie GTK+, Qt, wxWidgets und Tk. Die Grafiken können in einer Vielzahl von Formaten erstellt werden, z. B.: SVG, PNG, Anti-Grain Geometry, EPS, PDF.

Entwicklung

Bearbeiten

Die erste Version von Matplotlib wurde von John D. Hunter in den Jahren 2002 und 2003 entwickelt.[3] Gleich zu Beginn war es als freie Open-Source-Bibliothek gedacht. Heute wird die Entwicklung auf GitHub von vielen Personen vorangetrieben.[4]

Beispiele

Bearbeiten

Kurven

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> a = np.linspace(0, 8, 501)
>>> b = np.exp(-a)
>>> plt.plot(a, b)
>>> plt.show()

Histogramm

>>> import matplotlib.pyplot as plt
>>> from numpy.random import normal,rand
>>> x = normal(size=200)
>>> plt.hist(x, bins=30, edgecolor='black')
>>> plt.show()

Streudiagramm

>>> import matplotlib.pyplot as plt
>>> from numpy.random import rand
>>> a = rand(100)
>>> b = rand(100)
>>> plt.scatter(a, b, edgecolor='black')
>>> plt.show()

3D-Plot

>>> from matplotlib import cm
>>> from mpl_toolkits.mplot3d import Axes3D
>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> fig = plt.figure()
>>> ax = fig.add_subplot(projection='3d')
>>> X = np.arange(-5, 5, 0.25)
>>> Y = np.arange(-5, 5, 0.25)
>>> X, Y = np.meshgrid(X, Y)
>>> R = np.sqrt(X**2 + Y**2)
>>> Z = np.sin(R)
>>> surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm, edgecolor='black')
>>> plt.show()

Weitere Beispiele

Bearbeiten
Commons: Matplotlib – Sammlung von Bildern, Videos und Audiodateien

Einzelnachweise

Bearbeiten
  1. matplotlib.org.
  2. Release 3.11.0. 12. Juni 2026 (abgerufen am 12. Juni 2026).
  3. John D. Hunter: Matplotlib: A 2D Graphics Environment. In: Computing in Science & Engineering. 9. Jahrgang, Nr. 3, S. 90–95, doi:10.1109/MCSE.2007.55 (englisch).
  4. Matplotlib Credits. In: Matplotlib. Matplotlib, abgerufen am 7. August 2014 (englisch).

📚 Artikel Terkait di Wikipedia

Pandas (Software)

NumFOCUS gesponsert und unterstützt. Kurven: import pandas as pd import matplotlib.pyplot as plt import numpy as np df = pd.DataFrame(np.random.randn(100

Python (Programmiersprache)

Aufbereitung der Ergebnisse in Graphen werden meist mit NumPy und der Matplotlib erledigt. Anaconda und SciPy bündeln viele wissenschaftliche Python-Bibliotheken

PGF/TikZ

Inkscape, die 3D-Animationssoftware Blender, die Numerik-Software Matlab, matplotlib und die Statistik-Software R. Daneben existieren Editoren, wie etwa KtikZ

Keras

Zufalls-Startwertes import numpy as np np.random.seed(1337) # Matplotlib zur grafischen Darstellung laden import matplotlib.pyplot as plt # Daten in Arrays speichern eingangswerte

Spyder (Software)

Paketen des wissenschaftlichen Python-Stacks, darunter NumPy, SciPy, Matplotlib, Pandas, IPython, SymPy und Cython, sowie mit anderer Open-Source-Software

IPython

vermisste, fing er an eines für Python zu programmieren. Die Integration von Matplotlib in die Notebookoberfläche macht es zu einem Open-Source-Konkurrenten für

Scikit-learn

Scikit-learn lässt sich gut in viele andere Python-Bibliotheken integrieren, wie Matplotlib und plotly zum Plotten, NumPy zur Array-Vektorisierung, Pandas Dataframes

Einheitsmatrix

Springer, 2007, S. 18.  Bernd Klein: Numerisches Python: Arbeiten mit NumPy, Matplotlib und Pandas. Hanser, München 2019, ISBN 978-3-446-45076-9, S. 67.