5.6 Sensordata og databehandling

Plotting og visualisering

I forsking og teknologi er det sjeldan nok å berre rekne ut tal – vi treng òg å visualisere dataa for å oppdage mønster, trendar og samanhengar. Ein god graf kan formidle meir enn ein tabell med tusen tal.

I Python brukar vi biblioteket Matplotlib til å lage profesjonelle grafar og diagram. Matplotlib er det mest brukte plottingsbiblioteket i Python og blir brukt i alt frå skuleforsøk til publiserte forskingsartiklar.

I dette kapittelet lærer du å:
- Lage linjediagram for å vise endringar over tid
- Lage stolpediagram for å samanlikne kategoriar
- Lage punktdiagram (scatter plot) for å vise samanhengar mellom variablar
- Tilpasse grafane med tittel, aksenamn, fargar og rutenett
- Bruke fleire delplott i eitt vindauge

Etter dette kapittelet vil du kunne lage profesjonelle visualiseringar av data frå eksperiment og undersøkingar.

Tilpasse utsjånaden

Du kan gjere grafane meir lesbare og profesjonelle med ulike tilpassingar:

import matplotlib.pyplot as plt

tid = [0, 1, 2, 3, 4, 5, 6]
inne = [21.0, 21.5, 22.0, 22.3, 22.1, 21.8, 21.2]
ute = [5.0, 6.2, 8.5, 11.0, 12.3, 10.1, 7.5]

# Linjestil og farge
plt.plot(tid, inne, "r-o", label="Inne")    # rød linje med sirkler
plt.plot(tid, ute, "b--s", label="Ute")     # blå stiplet med firkanter

plt.xlabel("Tid (timer)", fontsize=12)
plt.ylabel("Temperatur (°C)", fontsize=12)
plt.title("Inne- og utetemperatur", fontsize=14)
plt.legend(fontsize=11)
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

Formatstrengar for plt.plot():
- Farge: r = raud, b = blå, g = grøn, k = svart
- Linjestil: - = heiltrekt, -- = stipla, : = prikka
- Markør: o = sirkel, s = firkant, ^ = trekant, * = stjerne

Du kan kombinere: "r-o" = raud heiltrekt linje med sirkelmarkørar.

Stolpediagram

Stolpediagram er gode for å samanlikne kategoriar:

import matplotlib.pyplot as plt

fag = ["Norsk", "Matte", "Engelsk", "Naturfag", "ToF"]
snitt = [4.1, 3.8, 4.3, 3.9, 4.5]

plt.figure(figsize=(8, 5))
plt.bar(fag, snitt, color=["#e74c3c", "#3498db", "#2ecc71", "#f39c12", "#9b59b6"])
plt.ylabel("Gjennomsnittskarakter")
plt.title("Karaktersnitt per fag")
plt.ylim(1, 6)       # Sett y-aksen fra 1 til 6
plt.grid(axis="y", alpha=0.3)
plt.tight_layout()
plt.show()

Punktdiagram (scatter plot)

Punktdiagram blir brukt for å vise samanhengar mellom to variablar:

import matplotlib.pyplot as plt

studietimer = [2, 5, 1, 8, 3, 6, 4, 7, 9, 3]
karakter = [3, 5, 2, 6, 3, 5, 4, 5, 6, 4]

plt.figure(figsize=(8, 6))
plt.scatter(studietimer, karakter, color="blue", s=80, alpha=0.7)
plt.xlabel("Studietimer per uke")
plt.ylabel("Karakter")
plt.title("Sammenheng mellom studietid og karakter")
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

Parameteren s=80 set storleiken på punkta, og alpha=0.7 gjer dei litt gjennomsiktige (nyttig når punkt overlappar).

Fleire grafar i eitt vindauge med subplots

Nokre gonger vil du vise fleire grafar ved sida av kvarandre for å samanlikne. Då brukar du subplots:

import matplotlib.pyplot as plt

timer = [0, 1, 2, 3, 4, 5]
temperatur = [18.0, 19.2, 21.5, 23.0, 22.3, 20.1]
luftfuktighet = [65, 60, 55, 50, 52, 58]

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

# Venstre graf: Temperatur
ax1.plot(timer, temperatur, "r-o")
ax1.set_xlabel("Tid (timer)")
ax1.set_ylabel("Temperatur (°C)")
ax1.set_title("Temperatur")
ax1.grid(True, alpha=0.3)

# Høyre graf: Luftfuktighet
ax2.plot(timer, luftfuktighet, "b-s")
ax2.set_xlabel("Tid (timer)")
ax2.set_ylabel("Luftfuktighet (%)")
ax2.set_title("Luftfuktighet")
ax2.grid(True, alpha=0.3)

fig.suptitle("Værmålinger gjennom dagen", fontsize=14)
plt.tight_layout()
plt.show()

Forklaring:
- plt.subplots(1, 2) lagar 1 rad med 2 kolonnar (to grafar side ved side)
- plt.subplots(2, 1) ville gitt to grafar oppå kvarandre
- Bruk ax1.plot() i staden for plt.plot() når du jobbar med subplots
- Metodane heiter set_xlabel(), set_ylabel() og set_title() i staden for plt.xlabel() osv.

Oppsummering

I dette kapittelet har du lært å:

- Importere og bruke Matplotlib for plotting (import matplotlib.pyplot as plt)
- Lage linjediagram med plt.plot() for å vise endringar over tid
- Lage stolpediagram med plt.bar() for å samanlikne kategoriar
- Lage punktdiagram med plt.scatter() for å vise samanhengar
- Tilpasse grafar med tittel, aksenamn, fargar, rutenett og teiknforklaring
- Bruke formatstrengar for å styre farge, linjestil og markørar
- Lage subplots for å vise fleire grafar i eitt vindauge
- Lagre grafar som biletfiler med plt.savefig()

Gode vanar for vitskapleg visualisering:
- Inkluder alltid aksenamn med einingar (f.eks. «Temperatur (°C)»)
- Bruk teiknforklaring (legend) når du har fleire datasett
- Vel diagramtype som passar dataa: linje for tidsseriar, stolpe for kategoriar, scatter for samanhengar
- Lagre grafar med høg oppløysing (dpi=150 eller meir) for bruk i rapportar