Hier is een voorbeeld van Python-code die je kunt gebruiken om je Matplotlib-visualisatie aan te passen aan je merkidentiteit. Deze code stelt de kleuren en lettertypen in voor alle grafiekelementen: ```python import matplotlib.pyplot as plt import pandas as pd # Voorbeeld dataset # vervang dit door je eigen data data = { 'Maand': ['Jan', 'Feb', 'Mar', 'Apr', 'mei', 'Jun', 'Jul', 'Aug', 'Sep', 'Okt', 'Nov', 'Dec'], 'Omzet': [10000, 12000, 11000, 13000, 12500, 14000, 13500, 15000, 14500, 16000, 15500, 17000] } df = pd.DataFrame(data) # Zet de datum of maand op de juiste manier # Als je maandelijkse data hebt, kun je dit aanpassen # plt.plot(df['Maand'], df['Omzet']) # Pas de algemene stijl aan plt.style.use('default') # Reset stijl, of gebruik 'ggplot', etc. # Stel globale rcParams in voor consistente stijl plt.rcParams.update({ 'axes.facecolor': 'white', # achtergrond van de plot zelf 'figure.facecolor': 'white', # achtergrond van de hele figuur 'axes.edgecolor': '#003366', # rand van de axes 'axes.labelcolor': '#003366', # kleurlabels 'xtick.color': '#003366', 'ytick.color': '#003366', 'grid.color': '#cccccc', 'text.color': '#003366', 'font.family': ['Arial', 'Helvetica'], 'axes.titlesize': 14, 'axes.labelsize': 12, 'legend.fontsize': 10, 'lines.linewidth': 2, 'grid.linestyle': '--', 'grid.linewidth': 0.5, }) # Maak de plot fig, ax = plt.subplots() ax.plot(df['Maand'], df['Omzet'], color='#ff6600', label='Omzet 2023') # Achtergrond instellen ax.set_facecolor('white') fig.patch.set_facecolor('white') # Rasterlijnen ax.grid(True) # Labels en titel ax.set_xlabel('Maand') ax.set_ylabel('Omzet (€)') ax.set_title('Maandelijkse Omzet voor 2023', fontsize=14) # Legenda ax.legend(facecolor='white', fontsize=10) # Verbeter de x-as labels plt.xticks(rotation=45) plt.tight_layout() plt.show() ``` Deze code zorgt dat: - De achtergrondkleuren van de plot en de figuur zijn wit, passend bij de kleuren #003366 en #cccccc. - Rasterlijnen in de kleur #cccccc worden weergegeven. - As-labels, titel en legenda gebruiken het font Arial/Helvetica en de kleuren van je merk. - De grafiek zelf is visueel consistent met je merkidentiteit. Je kunt deze stijl verder aanpassen door bijvoorbeeld meer grafiekelementen of andere visualisaties toe te voegen.

Hier is de Python-code om uw Matplotlib-visualisatie aan te passen volgens uw merkidentiteit: ```python import matplotlib.pyplot as plt import matplotlib.font_manager as fm import pandas as pd import numpy as np # Stel de merkstijlen in def set_brand_style(): # Definieer merkkleuren brand_colors = { 'primary': '#003366', # Donkerblauw 'accent': '#ff6600', # Oranje 'neutral': '#cccccc' # Lichtgrijs } # Stel het lettertype in (Arial als eerste keuze, Helvetica als fallback) plt.rcParams['font.family'] = ['Arial', 'Helvetica', 'sans-serif'] plt.rcParams['font.size'] = 10 # Configureer de plotstijl plt.rcParams['figure.facecolor'] = 'white' plt.rcParams['axes.facecolor'] = 'white' plt.rcParams['axes.edgecolor'] = brand_colors['neutral'] plt.rcParams['axes.labelcolor'] = brand_colors['primary'] plt.rcParams['axes.titlecolor'] = brand_colors['primary'] plt.rcParams['text.color'] = brand_colors['primary'] # Grid stijl plt.rcParams['grid.color'] = brand_colors['neutral'] plt.rcParams['grid.linestyle'] = '--' plt.rcParams['grid.alpha'] = 0.7 # Lijn- en markerstijlen plt.rcParams['lines.color'] = brand_colors['primary'] plt.rcParams['lines.linewidth'] = 2.5 plt.rcParams['lines.markersize'] = 6 # Legend stijl plt.rcParams['legend.frameon'] = False plt.rcParams['legend.fontsize'] = 9 # Tick stijl plt.rcParams['xtick.color'] = brand_colors['primary'] plt.rcParams['ytick.color'] = brand_colors['primary'] return brand_colors # Voorbeeld gebruik met uw maandelijkse omzetgegevens def create_revenue_plot(data): # Stel merkstijl in colors = set_brand_style() # Maak de plot fig, ax = plt.subplots(figsize=(12, 6)) # Plot de data met merkkleuren months = data['Maand'] revenue = data['Omzet'] ax.plot(months, revenue, color=colors['primary'], linewidth=2.5, marker='o', markersize=6, markerfacecolor=colors['accent'], markeredgecolor=colors['primary']) # Stel labels en titel in ax.set_xlabel('Maand', fontsize=12, fontweight='bold', color=colors['primary']) ax.set_ylabel('Omzet (€)', fontsize=12, fontweight='bold', color=colors['primary']) ax.set_title('Maandelijkse Omzet 2023', fontsize=14, fontweight='bold', color=colors['primary']) # Configureer grid ax.grid(True, linestyle='--', alpha=0.7, color=colors['neutral']) # Rotatie van x-labels voor betere leesbaarheid plt.xticks(rotation=45) # Stel de achtergrondkleur in fig.patch.set_facecolor('white') ax.set_facecolor('white') # Voeg datalabels toe (optioneel) for i, v in enumerate(revenue): ax.annotate(f'€{v:,.0f}', (months[i], v), textcoords="offset points", xytext=(0,10), ha='center', fontsize=8, color=colors['primary']) plt.tight_layout() return fig, ax # Voorbeeld data (vervang met uw eigen data) sample_data = pd.DataFrame({ 'Maand': ['Jan', 'Feb', 'Mrt', 'Apr', 'Mei', 'Jun', 'Jul', 'Aug', 'Sep', 'Okt', 'Nov', 'Dec'], 'Omzet': [15000, 18000, 22000, 19500, 23000, 28000, 31000, 29500, 32000, 35000, 38000, 42000] }) # Maak de plot fig, ax = create_revenue_plot(sample_data) plt.show() # Optioneel: opslaan met hoge kwaliteit # plt.savefig('maandelijkse_omzet_2023.png', dpi=300, bbox_inches='tight') ``` Deze code: - Past uw merkkleuren (#003366, #ff6600, #cccccc) consistent toe - Gebruikt Arial/Helvetica als lettertype - Stijlt alle elementen: achtergrond, grid, labels, legenda, lijnen - Houdt de professionele uitstraling van uw merk - Is gemakkelijk aan te passen voor andere soorten plots U kunt de `sample_data` vervangen door uw eigen dataset en de plot aanpassen naar uw specifieke behoeften.