Hier is een complete Python-implementatie met aangepaste annotaties voor temperatuurpieken: ```python import matplotlib.pyplot as plt import numpy as np from datetime import datetime, timedelta # Voorbeeld dataset: uurtemperaturen over een week (168 uren) np.random.seed(42) dagen = 7 uren = 24 * dagen basis_temp = 15 temperatuur = basis_temp + np.random.normal(0, 3, uren) + np.sin(np.linspace(0, 7*np.pi, uren)) * 5 # Tijdsassen creëren start_datum = datetime(2024, 1, 1, 0, 0) tijdstippen = [start_datum + timedelta(hours=i) for i in range(uren)] # Plot opzetten fig, ax = plt.subplots(figsize=(15, 8)) lijn = ax.plot(tijdstippen, temperatuur, 'b-', linewidth=2, alpha=0.7, label='Temperatuur') # Achtergrond opmaak ax.set_facecolor('#f8f9fa') ax.grid(True, alpha=0.3) ax.set_xlabel('Datum en Tijd', fontsize=12, fontweight='bold') ax.set_ylabel('Temperatuur (°C)', fontsize=12, fontweight='bold') ax.set_title('Uurtemperatuurmetingen over een Week', fontsize=16, fontweight='bold', pad=20) # Pieken identificeren (temperaturen boven 20°C) pieken_indices = np.where(temperatuur > 20)[0] pieken_temperaturen = temperatuur[pieken_indices] pieken_tijden = [tijdstippen[i] for i in pieken_indices] # Aangepaste annotaties voor pieken toevoegen for i, (tijd, temp) in enumerate(zip(pieken_tijden, pieken_temperaturen)): # Verschillende kleuren voor verschillende piekniveaus if temp > 25: kleur = '#ff6b6b' # Rood voor zeer hoge pieken elif temp > 22: kleur = '#ffa726' # Oranje voor hoge pieken else: kleur = '#4caf50' # Groen voor normale pieken ax.annotate(f'{temp:.1f}°C', xy=(tijd, temp), xytext=(20, 40), # Positie van de tekst relatief tot het punt textcoords='offset points', fontsize=14, # Grote letters fontweight='bold', color=kleur, ha='center', va='bottom', bbox=dict(boxstyle='round,pad=0.5', facecolor='white', alpha=0.9, edgecolor=kleur), arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=0.3', color=kleur, lw=2)) # Specifieke belangrijke punten benadrukken # Laagste temperatuur laagste_idx = np.argmin(temperatuur) ax.annotate('Laagste: {:.1f}°C'.format(temperatuur[laagste_idx]), xy=(tijdstippen[laagste_idx], temperatuur[laagste_idx]), xytext=(-50, -60), textcoords='offset points', fontsize=11, color='blue', bbox=dict(boxstyle='round,pad=0.5', facecolor='lightblue', alpha=0.8), arrowprops=dict(arrowstyle='->', color='blue')) # Gemiddelde temperatuurlijn gemiddelde = np.mean(temperatuur) ax.axhline(y=gemiddelde, color='red', linestyle='--', alpha=0.7, label=f'Gemiddeld: {gemiddelde:.1f}°C') ax.annotate(f'Weekgemiddelde\n{gemiddelde:.1f}°C', xy=(tijdstippen[100], gemiddelde), xytext=(20, 0), textcoords='offset points', fontsize=10, color='red', backgroundcolor='white') # X-as formatteren voor betere leesbaarheid plt.xticks(rotation=45) fig.autofmt_xdate() # Legenda toevoegen ax.legend(loc='upper right', framealpha=0.9) # Layout optimaliseren plt.tight_layout() # Toon de plot plt.show() # Optioneel: opslaan als bestand # plt.savefig('temperatuur_visualisatie.png', dpi=300, bbox_inches='tight') ``` **Belangrijke kenmerken van deze implementatie:** 1. **Piekannotaties**: Gekleurde pijlen met grote, vetgedrukte tekst die naar temperatuurpieken wijzen 2. **Kleurgradatie**: Verschillende kleuren afhankelijk van de piekhoogte 3. **Aangepaste stijlopties**: - Fontsize: 14-16 voor pieken - Kleuren: groen/oranje/rood op basis van temperatuur - Pijlstijl: gebogen pijlen met aangepaste opmaak 4. **Extra annotaties**: Laagste temperatuur en gemiddelde lijn 5. **Professionele opmaak**: Grid, achtergrondkleur, legenda en responsieve layout **Aanpasopties:** - Verander `fontsize` voor tekstgrootte - Pas `color` aan voor verschillende kleuren - Wijzig `xytext` waarden voor positie-aanpassingen - Verander `arrowprops` voor pijlstijlen De code is modulair opgezet zodat je eenvoudig je eigen dataset kunt invoeren door de `temperatuur` array en `tijdstippen` lijst te vervangen.