Contenu du cours

Visualisation Ultime Avec Python

1. Introduction à Matplotlib

Applications de Traçage Pourquoi Utiliser Matplotlib?Créer une Toile Tracé de Base

2. Création de Graphiques Couramment Utilisés

Graphique Linéaire Tracés de Lignes Multiples Nuage de Points Diagramme en Barres Diagrammes à Barres Empilées Diagrammes à Barres Groupées

3. Personnalisation des Graphiques

Ajouter un Titre au Graphique Ajouter une Légende Personnalisation des Axes Couleurs et Transparence Personnalisation de la Grille Sous-Graphiques

4. Plus de Graphiques Statistiques

Histogramme Boîte à Moustaches Diagramme Circulaire

5. Tracé avec Seaborn

Introduction à Seaborn Countplot Décoration des Graphiques Tracé KDE Tracé Conjoint Graphe de Paires Carte Thermique

Tracé Conjoint

Joint plot est un graphique plutôt unique, car il combine plusieurs graphiques. Fondamentalement, il a trois éléments par défaut :

histogramme en haut qui représente la distribution d'une certaine variable ;
histogramme à droite qui représente la distribution d'une autre variable ;
nuage de points au milieu qui montre la relation entre ces deux variables.

Voici un exemple de joint plot :

Données pour le Joint Plot

seaborn a une fonction jointplot() qui, de manière similaire à countplot() et kdeplot(), a trois paramètres les plus importants :

data;
x;
y.

Les paramètres x et y sont les variables qui nous intéressent (l'histogramme à droite et en haut respectivement), elles peuvent être soit des objets de type array-like soit les noms des colonnes d'un DataFrame (si nous définissons également le paramètre data comme un DataFrame).

Jetons un coup d'œil à un exemple :


              123456
            
import seaborn as sns
import matplotlib.pyplot as plt
# Loading the dataset with data about three different iris flowers species
iris_df = sns.load_dataset("iris")
sns.jointplot(data=iris_df, x="sepal_length", y="sepal_width")
plt.show()

Nous venons de recréer l'exemple que nous avions au début en définissant un objet DataFrame pour le paramètre data et les noms des colonnes pour x et y.

Tracé au Milieu

Un autre paramètre assez utile est kind qui spécifie le tracé que vous avez au milieu. 'scatter' est sa valeur par défaut. Voici d'autres tracés possibles : 'kde', 'hist', 'hex', 'reg', 'resid'. N'hésitez pas à expérimenter avec différents tracés :


              123456
            
import seaborn as sns
import matplotlib.pyplot as plt
# Loading the dataset with data about three different iris flowers species
iris_df = sns.load_dataset("iris")
sns.jointplot(data=iris_df, x="sepal_length", y="sepal_width", kind='reg')
plt.show()

Types de Graphiques

Bien que le nuage de points soit principalement utilisé pour le graphique au milieu, voici quelques autres graphiques juste pour information :

'reg' crée un modèle de régression linéaire ajusté avec le nuage de points, ce qui est utile pour vérifier si deux variables sont corrélées ;
'resid' trace les résidus d'une régression linéaire (documentation);
'hist' crée un histogramme bivarié (pour deux variables) ;
'kde' crée un graphique KDE ;
'hex' crée un graphique hexbin. C'est un nuage de points où des bacs hexagonaux sont utilisés à la place des points de données individuels, et la couleur de chaque bac indique combien de points de données y tombent.

Comme d'habitude, n'hésitez pas à explorer plus de paramètres dans la documentation.

Tâche

Swipe to start coding

Utilisez la fonction correcte pour créer un graphique conjoint.
Utilisez weather_df comme données pour le graphique (le premier argument).
Définissez la colonne 'Boston' pour la variable de l'axe des x (le deuxième argument).
Définissez la colonne 'Seattle' pour la variable de l'axe des y (le troisième argument).
Définissez le graphique au milieu pour avoir une ligne de régression (l'argument le plus à droite).

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 5. Chapitre 5

Tracé Conjoint

Joint plot est un graphique plutôt unique, car il combine plusieurs graphiques. Fondamentalement, il a trois éléments par défaut :

histogramme en haut qui représente la distribution d'une certaine variable ;
histogramme à droite qui représente la distribution d'une autre variable ;
nuage de points au milieu qui montre la relation entre ces deux variables.

Voici un exemple de joint plot :

Données pour le Joint Plot

seaborn a une fonction jointplot() qui, de manière similaire à countplot() et kdeplot(), a trois paramètres les plus importants :

data;
x;
y.

Jetons un coup d'œil à un exemple :


              123456
            
import seaborn as sns
import matplotlib.pyplot as plt
# Loading the dataset with data about three different iris flowers species
iris_df = sns.load_dataset("iris")
sns.jointplot(data=iris_df, x="sepal_length", y="sepal_width")
plt.show()

Nous venons de recréer l'exemple que nous avions au début en définissant un objet DataFrame pour le paramètre data et les noms des colonnes pour x et y.

Tracé au Milieu


              123456
            
import seaborn as sns
import matplotlib.pyplot as plt
# Loading the dataset with data about three different iris flowers species
iris_df = sns.load_dataset("iris")
sns.jointplot(data=iris_df, x="sepal_length", y="sepal_width", kind='reg')
plt.show()

Types de Graphiques

Bien que le nuage de points soit principalement utilisé pour le graphique au milieu, voici quelques autres graphiques juste pour information :

'reg' crée un modèle de régression linéaire ajusté avec le nuage de points, ce qui est utile pour vérifier si deux variables sont corrélées ;
'resid' trace les résidus d'une régression linéaire (documentation);
'hist' crée un histogramme bivarié (pour deux variables) ;
'kde' crée un graphique KDE ;
'hex' crée un graphique hexbin. C'est un nuage de points où des bacs hexagonaux sont utilisés à la place des points de données individuels, et la couleur de chaque bac indique combien de points de données y tombent.

Comme d'habitude, n'hésitez pas à explorer plus de paramètres dans la documentation.

Tâche

Swipe to start coding

Utilisez la fonction correcte pour créer un graphique conjoint.
Utilisez weather_df comme données pour le graphique (le premier argument).
Définissez la colonne 'Boston' pour la variable de l'axe des x (le deuxième argument).
Définissez la colonne 'Seattle' pour la variable de l'axe des y (le troisième argument).
Définissez le graphique au milieu pour avoir une ligne de régression (l'argument le plus à droite).

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 5. Chapitre 5

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous