Ce chapitre présente la bibliothèque de visualisation Matplotlib et décrit comment l'utiliser avec des données.

Introduction à la visualisation de données avec Matplotlib

Utilisation de l'interface de matplotlib.pyplot

Ajouter des données à un objet Axes

Personnalisation de vos graphiques

Personnalisation de l'affichage des données

Personnalisation des étiquettes d'axe et ajout de titres

Petits multiples

Création d'une grille de sous-graphiques

Création de petits multiples avec plt.subplots

Petits multiples avec axe des y partagé

Introduction à Matplotlib

Les données de séries temporelles sont des données qui sont enregistrées. La visualisation de ce type de données permet de clarifier les tendances et de mettre en évidence les relations entre les données.

Tracer des données de séries temporelles

Lire les données avec un index temporel

Utilisation d'un index temporel pour effectuer un zoom avant

Tracer des séries temporelles avec différentes variables

Tracer deux variables

Définition d'une fonction qui affiche un graphique des données de séries temporelles

Utilisation d'une fonction graphique

Annotation de données de séries temporelles

Annotation d'un graphique de données de séries temporelles

Tracer des séries chronologiques : rassembler tous les éléments

Tracer des séries temporelles

Les visualisations peuvent être utilisées pour comparer des données de manière quantitative. Ce chapitre présente plusieurs méthodes de visualisation quantitative.

Comparaisons quantitatives : diagrammes à barres

Diagramme à barres

Diagramme à barres empilées

Comparaisons quantitatives : histogrammes

Création d'histogrammes

Histogramme « par étapes »

Graphique statistique

Ajout de barres d'erreur à un diagramme à barres

Ajout de barres d'erreur à un graphique

Création de boîtes à moustaches

Comparaisons quantitatives : diagrammes en nuages de points

Diagramme en nuage de points simple

Encodage du temps par couleur

Comparaisons quantitatives et visualisations statistiques

Ce chapitre vous montre comment partager vos visualisations avec d'autres personnes : comment enregistrer vos figures sous forme de fichiers, comment ajuster leur apparence et comment automatiser leur création en fonction des données d'entrée.

Préparation de vos données pour les partager avec d'autres

Sélection d’un style pour l'impression

Changement de style

Enregistrement de vos visualisations

Enregistrement d’un fichier à plusieurs reprises

Enregistrer une figure avec différentes tailles

Automatisation des chiffres à partir des données

Valeurs uniques d'une colonne

Automatisez votre visualisation

Où se rendre ensuite

Partager des visualisations avec d'autres personnes

Seattle weather

Austin weather

Climate data

Medals by country

Medalist weights

La visualisation des données sous forme de graphiques et de figures permet de mettre en évidence les tendances sous-jacentes dans les données et fournit des informations clés utiles. De bonnes visualisations vous aident également à communiquer vos données à d'autres personnes et sont utiles aux analystes de données et autres utilisateurs des données. Dans ce cours, vous apprendrez à utiliser Matplotlib, une bibliothèque Python performante pour la visualisation de données. Matplotlib fournit les éléments de base nécessaires à la création de visualisations riches à partir de nombreux types d’ensembles de données. Vous apprendrez à créer des visualisations pour différents types de données et à personnaliser, automatiser et partager ces visualisations.

Les vidéos contiennent des transcriptions en direct que vous pouvez afficher en cliquant sur « Afficher la transcription » en bas à gauche des vidéos.
Le glossaire du cours se trouve à droite dans la section « Ressources ».
Pour obtenir des crédits CPE, vous devez suivre le cours dans son intégralité et obtenir une note d’au moins 70 % à l'évaluation qualifiante. Vous pouvez accéder à l'évaluation en cliquant sur la mention « Crédits CPE » à droite.

Introduction to Python

Apprenez à créer, personnaliser et partager des visualisations de données avec Matplotlib.

Maîtrisez Matplotlib pour créer, personnaliser et partager des visualisations de données claires et percutantes.

Associate Data Scientist  en Python

Visualisation des données en Python

Data Scientist

Modification du style de graphique

Choix d’un style

Retour aux paramètres par défaut

Les styles disponibles

Le style « bmh »

Styles Seaborn

Directives pour le choix du style de tracé

Entraînez-vous à choisir le style qui vous convient le mieux.

Partager des visualisations avec d'autres personnes - Préparation de vos données pour les partager avec d'autres

Préparation de vos données pour les partager avec d'autres

Create Your Free Account