Daten visualisieren
===================

Das Tutorial gibt einen Überblick über die verschiedenen Python-Bibliotheken,
die ihr zur Datenvisualisierung einsetzen könnt. Es ist entstanden aus den
cusy-Schulungen zur `Datenvisualisierung mit Python
<https://cusy.io/de/unsere-schulungsangebote/python-schulungen-fuer-analysten-wissenschaftler-und-ingenieure>`_.

Aktuell ist es sehr schwierig, einen :doc:`overview` zu erhalten. Im Folgenden
versuchen wir, die Suche nach der passenden Bibliothek zu vereinfachen, indem
wir einige Aspekte genauer beleuchten:

* :ref:`technologies`
* :ref:`core-libs`
* :ref:`pandas-plot-api`
* :ref:`further-high-level-apis`
* :ref:`big-data`
* :ref:`chart-types` (Statistische Darstellungen, regelmäßige und
  unregelmäßige Gitter :abbr:`etc. (et cetera)`)

Anschließend geben wir eine praktische Einführung in die gebräuchlichsten
Python-Bibliotheken.

Wir behandeln hier jedoch nicht Design-Prinzipien, Data-Storytelling oder die
Auswahl des passenden Diagrammtyps. Hierzu verweisen wir jedoch gerne auf die
folgenden Quellen:

.. seealso::

   * `Data Visualisation Guide
     <https://data.europa.eu/apps/data-visualisation-guide/>`_
   * `Graphical Perception: Theory, Experimentation, and Application to the
     Development of Graphical Methods
     <https://www.math.pku.edu.cn/teachers/xirb/Courses/biostatistics/Biostatistics2016/GraphicalPerception_Jasa1984.pdf>`_
   * `Financial Times Chart Doctor: Visual vocabluary
     <https://github.com/Financial-Times/chart-doctor/tree/main/visual-vocabulary>`_
   * `The Data Visualisation Catalogue <https://datavizcatalogue.com/>`_
   * `Cartography Guide <https://www.axismaps.com/guide/map-projections>`_
   * `Xenographics <https://xeno.graphics/>`_

.. toctree::
    :titlesonly:
    :maxdepth: 0
    :hidden:

    first-steps
    overview
    matplotlib/index
    vega/index
    bokeh/index
    opengl/index
    d3js/index
    js/index