Visualisation de données en Python avec Matplotlib, Seaborn et Plotly
Visualisation (Matplotlib, Seaborn, Plotly) est un cours de niveau intermédiaire de 5 leçons (environ 3 h 05), avec 15 exercices et 15 questions de quiz. Prérequis : Analyse de données avec pandas et NumPy. Les exercices s'exécutent dans le navigateur, sans installation.
- Python
- Intermédiaire
- 5 leçons
- 3 h 05
- 15 exercices
- Exercices exécutés dans le navigateur
Le cours en bref
Ce cours vous apprend à transformer des données en graphiques justes et lisibles. Vous maîtrisez l'interface orientée objet de Matplotlib, choisissez le graphique adapté à chaque question, soignez la mise en forme, produisez des graphiques statistiques avec Seaborn puis des visuels interactifs avec Plotly. Les exercices vérifient vos graphiques par le code : titres, axes, séries.
Ce que tu sauras faire
- Créer et personnaliser des graphiques avec l'interface orientée objet de Matplotlib
- Choisir le graphique adapté à une question (comparaison, évolution, distribution, relation)
- Composer des figures à plusieurs panneaux avec axes formatés et annotations
- Produire des graphiques statistiques et des facettes avec Seaborn à partir d'un DataFrame
- Créer, personnaliser et exporter des graphiques interactifs avec Plotly
- Appliquer des principes de lisibilité et d'honnêteté visuelle
Programme des 5 leçons
- Créer une figure et des axes avec l'interface orientée objet
- Tracer une ou plusieurs courbes avec titre, étiquettes d'axes et légende
- Enregistrer un graphique dans un fichier image
- 02
Choisir le bon graphique : barres, histogrammes, nuages de points
- Associer une question d'analyse au type de graphique adapté
- Tracer barres, histogrammes, nuages de points et boîtes à moustaches avec Matplotlib
- Tracer rapidement depuis un DataFrame avec la méthode plot de pandas
Choix du graphiqueBarres et histogrammesNuages de points et boîtes
- 03
Sous-graphiques, mise en forme et annotations
- Composer plusieurs graphiques dans une même figure
- Formater les axes (pourcentages, milliers, dates) et annoter un point clé
- Appliquer des principes de lisibilité pour un graphique de présentation
- 04
Seaborn : graphiques statistiques depuis un DataFrame
- Tracer des graphiques Seaborn à partir d'un DataFrame au format long
- Utiliser hue pour comparer des groupes et col pour multiplier les panneaux
- Combiner Seaborn et Matplotlib pour personnaliser le résultat
- 05
Plotly : graphiques interactifs
- Créer des graphiques interactifs avec Plotly Express
- Comprendre la structure d'une figure Plotly (data et layout)
- Personnaliser et exporter une figure interactive en HTML
Projet final
Rapport visuel des ventes d'une enseigne
À partir d'un jeu de ventes simulé (date, région, canal, catégorie, montant), produisez un rapport visuel destiné à un comité de direction. Il doit répondre à quatre questions : comment évolue le CA mensuel par canal, quelles régions et catégories contribuent le plus, comment se distribuent les paniers selon le canal, et existe-t-il une relation entre remise et panier. Chaque graphique doit utiliser le type adapté, un titre qui énonce la conclusion et une mise en forme soignée ; l'un d'eux sera décliné en version interactive Plotly.
Livrables
- Un script ou notebook qui génère toutes les figures à partir des données
- Au moins quatre graphiques Matplotlib/Seaborn dont une figure à plusieurs panneaux et une facette
- Un graphique interactif Plotly exporté en HTML
- Les figures exportées en PNG (dpi ≥ 150) et une page de synthèse avec un message par graphique
- Une fonction de test qui vérifie, pour chaque figure, le titre, les étiquettes d'axes et le nombre de séries
Critères d'évaluation
- Chaque graphique répond à une question et utilise le type adapté
- Titres-conclusions, étiquettes avec unités, légendes et formats (%, milliers) sont présents
- Les échelles sont honnêtes (barres depuis zéro, axes partagés pour comparer)
- Le code est organisé (fonctions par graphique, interface orientée objet) et testé
- La version interactive apporte une vraie valeur (info-bulles, filtres par légende)
Questions fréquentes
Faut-il apprendre Matplotlib, Seaborn ou Plotly ?
Les trois sont complémentaires. Matplotlib est la base sur laquelle repose Seaborn et donne un contrôle fin ; Seaborn produit rapidement des graphiques statistiques à partir d'un DataFrame ; Plotly crée des graphiques interactifs à partager. Le cours les aborde dans cet ordre.
Comment choisir le bon type de graphique ?
Partez de la question : comparer des catégories (barres), suivre une évolution (courbe), voir une distribution (histogramme, boîte à moustaches) ou étudier une relation (nuage de points). Une leçon entière est consacrée à ce choix et aux pièges courants.
Quel niveau faut-il pour suivre ce cours de visualisation ?
Il faut savoir manipuler un DataFrame pandas (sélection, groupby, format long), comme dans le cours Analyse de données avec pandas et NumPy (PY3).
Peut-on faire des tableaux de bord interactifs en Python ?
Oui. Plotly produit des graphiques interactifs exportables en HTML, et sert de base au framework Dash pour construire des applications de tableaux de bord. Le cours en présente les fondements.
Ce cours, raconté pour ton métier
Dis ce que tu veux savoir faire : « Visualisation (Matplotlib, Seaborn, Plotly) » prend sa place dans ton parcours, avec des exemples de ton secteur. Les notions restent celles du cours.