Natuurlijk! Hier is een voorbeeld van hoe je een complexe visualisatie kunt maken met Matplotlib waarin je histogrammen, lijndiagrammen en scatterplots combineert, met gebruik van de door jou gevraagde stijlen: ```python import matplotlib.pyplot as plt import numpy as np # Voorbeeldgegevens (vervang deze door je eigen dataset) maanden = np.arange(1, 13) omzet = np.random.uniform(2000, 5000, size=12) winst = np.random.uniform(500, 1500, size=12) categorieën = ['Categorie A', 'Categorie B', 'Categorie C'] # Stel dat je voor elke categorie een scatterplot hebt scatter_x = np.random.uniform(1, 12, 30) scatter_y = np.random.uniform(2000, 5000, 30) scatter_categorie = np.random.choice(categorieën, 30) # Creëer een figuur en as fig, ax = plt.subplots(figsize=(12, 8)) # Plot histogrammen: bijvoorbeeld omzet per maand ax.bar(maanden, omzet, color='lightgrey', label='Omzet', alpha=0.7) # Plot lijndiagram: bijvoorbeeld winst per maand ax.plot(maanden, winst, color='darkblue', linestyle='dotted', linewidth=2, label='Winst') # Plot scatterplots voor verschillende categorieën for categorie in categorieën: indices = scatter_categorie == categorie ax.scatter(scatter_x[indices], scatter_y[indices], label=f'{categorie}', alpha=0.8) # Stijl aanpassen ax.spines['bottom'].set_color('darkblue') ax.spines['left'].set_color('darkblue') ax.spines['top'].set_visible(False) ax.spines['right'].set_visible(False) ax.set_xlabel('Maanden') ax.set_ylabel('Bedrag (€)') ax.set_title('Maandelijkse omzet, winst en categorieën') ax.legend() # As stijlen ax.grid(True, linestyle='--', linewidth=0.5, color='lightgrey') plt.show() ``` **Toelichting:** - Histogrammen worden weergegeven met `ax.bar()` in lichtgrijs. - De lijndiagram voor winst is een gestippelde lijn in donkerblauw. - Scatterplots voor verschillende productcategorieën worden apart getekend, met verschillende kleuren en transparantie. - De stijlen en kleuren kun je aanpassen naar jouw voorkeuren. - Voeg je eigen dataset toe in plaats van de voorbeeldgegevens. Wil je dat ik je help met het aanpassen van dit voorbeeld aan jouw specifieke dataset?