Matplotlib online

Machine Learning lernen

Python mit numpy, pandas, matplotlib, scipy und scikit-learn. Deine Diagramme erscheinen neben der Ausgabe. Kostenlos, ohne Anmeldung.

Probier ein Beispiel

main.py

Klick auf Ausführen, dann erscheint dein Diagramm hier.

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 200)

plt.plot(x, np.sin(x), label="sin(x)")
plt.plot(x, np.cos(x), label="cos(x)", linestyle="--")
plt.title("Sine and cosine")
plt.xlabel("x (radians)")
plt.ylabel("y")
plt.legend()
plt.grid(alpha=0.3)
plt.show()

print(f"{len(x)} points from 0 to {x[-1]:.2f}")

Python Plots online erstellen, ohne etwas zu installieren

Schreib Python, klick auf Ausführen, und dein Diagramm erscheint neben dem Code. Dieser kostenlose Online-Playground führt echtes Python 3.12 aus, mit numpy, pandas, matplotlib, scipy und scikit-learn schon installiert. So kommst du von ein paar Zeilen Daten zu einem fertigen Plot, ohne Jupyter, pip oder eine virtuelle Umgebung einzurichten.

Wähl zum Start ein Beispiel: ein Liniendiagramm, ein Streudiagramm mit farbigen Gruppen, ein Histogramm, k-means-Cluster auf dem Iris-Datensatz oder ein Balkendiagramm mit pandas. Ändere eine Zahl, führ es erneut aus und sieh zu, wie sich der Plot ändert. Ein schneller Ort, um einen plt-Aufruf zu testen, zu prüfen, was ein groupby zurückgibt, oder ein scikit-learn-Modell auf einem mitgelieferten Datensatz auszuprobieren.

Was dieser Python-Plotter online kann

Echtes Python mit dem Data-Science-Stack: numpy, pandas, matplotlib, scipy und scikit-learn sind bereit für import.
Diagramme direkt auf der Seite: Jede Figur, die dein Code mit plt.show() erzeugt, erscheint neben der Ausgabe, scharf in jeder Größe, und öffnet sich mit einem Klick größer.
Mehrere Figuren in einem Lauf erscheinen als Vorschaubilder, und Python-Warnungen stehen über dem Diagramm, statt in der Ausgabe unterzugehen.
Dein Code wird beim Tippen in deinem Browser gespeichert. Kopier ihn oder lad main.py herunter, um in Jupyter oder deinem eigenen Editor weiterzumachen.

Was du im Matplotlib-Playground plotten kannst

Liniendiagramme einer Funktion oder Zeitreihe mit plt.plot, Legende und beschrifteten Achsen.
Streudiagramme und Histogramme von Zufallsdaten aus numpy.random, um zu sehen, wie eine Verteilung Form annimmt.
Balkendiagramme direkt aus pandas: Zeilen mit groupby gruppieren, summieren und .plot(kind="bar") aufrufen.
Machine Learning mit den Datensätzen, die scikit-learn mitbringt, etwa load_iris, load_wine und load_digits: Cluster, Entscheidungsgrenzen und Modell-Scores.

FAQ zu Matplotlib online

Ist dieser Matplotlib-Online-Editor kostenlos?

Ja. Er ist kostenlos und braucht kein Konto: Seite öffnen, Code bearbeiten, auf Ausführen klicken.

Welche Python-Bibliotheken kann ich nutzen?

Python 3.12 mit numpy, pandas, matplotlib, scipy und scikit-learn, dazu die Standardbibliothek. Weitere Pakete per pip install gehen hier nicht.

Werden Matplotlib-Diagramme wirklich angezeigt?

Ja. Ruf nach dem Plotten plt.show() auf, oder lass die Figur am Ende einfach offen, und das Diagramm erscheint neben der Ausgabe. Linien-, Streu-, Balken-, Histogramm-, Bild- und Konturdiagramme werden nativ gezeichnet; einige Diagrammarten erscheinen als das Bild, das matplotlib gerendert hat. Ein Lauf zeigt bis zu 8 Figuren.

Kann ich hier scikit-learn online nutzen?

Ja. Importier wie gewohnt aus sklearn und trainier Modelle wie KMeans, KNeighborsClassifier oder LinearRegression. Nutz die Datensätze, die mit scikit-learn kommen, etwa load_iris(), oder bau eigene mit numpy und pandas. Datensätze, die heruntergeladen werden müssen, etwa fetch_openml, gibt es hier nicht.

Welche Grenzen gibt es?

Ein Lauf darf etwa 10 Sekunden dauern, der Code darf bis zu etwa 14 KB groß sein, und das Programm kann keine Eingabe lesen, keine hochgeladenen Dateien öffnen und nicht ins Internet. Für Diagramme und kleine Modelle reicht das gut. Für größere Projekte kopierst du deinen Code nach Jupyter oder in eine lokale Python-Installation.

Wie lerne ich danach Machine Learning?

Ändere die Beispiele und sieh, was mit dem Diagramm passiert. Wenn du einen geführten Weg willst, bringt dir der Machine-Learning-Kurs von Coddy numpy, pandas, Diagramme und scikit-learn in kurzen Lektionen bei, die ihre Diagramme genauso zeichnen.

Nützliche Tools für Matplotlib

Kostenlose, browserbasierte Tools, die gut zum Matplotlib-Playground passen - alles Teil von Coddy.

Matplotlib-Spickzettel Programmier-Plattformen vergleichen