En librairie

Graphiques en pratique avec Python

Ce livre est un guide pratique destiné aux personnes souhaitant avoir une première immersion dans la réalisation des graphiques avec le langage de programmation Python et les librairies dédiées que sont Matplotlib, Seaborn, GeoPlot, Plotly, Folium et Matplotlib Toolkits.

Ce guide pratique est basé sur les connaissances essentielles que j'enseigne aux étudiants en université, notamment pour les classes préparatoires dans les filières MPSI et pour l'ENSC (École Nationale Supérieure de Cognitique), lors de leur cursus dans le domaine de la programmation en Python.

Il ne s'agit pas d'un livre exhaustif en la matière, mais plutôt d'un guide pédagogique dans lequel le lecteur va pouvoir acquérir, au fil des pages, les notions essentielles de programmation et les techniques à retenir pour composer divers types de graphiques aux allures modernes. Quand le lecteur se retrouvera à la fin de l'ouvrage, il aura toutes les capacités et les pratiques essentielles pour réaliser divers types de graphiques dotés de graphismes modernes.

Il est vivement recommandé au lecteur d'avoir une première expérience avec la pratique de la programmation en langage Python. En téléchargement gratuit avec ce livre, vous avez accès à l'ensemble du code sous forme de classeurs Jupyter Notebook au sein d'une distribution Anaconda 3. Ce code de programmation Python a été composé sur la plateforme Windows 10.

Le présent ouvrage s'articule autour de 19 fiches pour parcourir le programme enseigné conformément aux directives du programme d'informatique en vigueur.

Les fiches F01 et F02 commencent par une introduction permettant de voir comment installer les notebooks Jupyter à partir d'une distribution Anaconda 3 avec Python 3.9, et quels sont les usages courants dans l'édition des scripts.

La fiche F03 est consacrée au graphique à barres qui est le type de graphique le plus courant et le plus simple à composer. Nous verrons notamment comment lire et extraire des données stockées dans une feuille EXCEL pour les charger avec Pandas, puis comment réaliser des graphiques à barres verticales et horizontales, graphiques enjolivés par des personnalisations spécifiques.

La fiche F04 aborde la construction de l'histogramme avec Seaborn dans sa version classique. Nous verrons comment ajouter une courbe de densité propre à l'histogramme.

La fiche F05 aborde le graphique de type boîte à moustaches qui permet de visualiser la répartition des valeurs d'une variable quantitative en permettant de connaître la valeur médiane de cette variable, la valeur minimale, la valeur maximale, les quartiles, etc.

La fiche F06 aborde le nuage de points qui est un graphique montrant la relation entre deux variables continues. Pour la corrélation, les nuages de points montrent la force de la relation linéaire entre deux variables. Pour la régression, une ligne ajustée est souvent ajoutée aux nuages de points.

La fiche F07 aborde les courbes de densité qui permettent de visualiser la distribution de variables numériques d'un groupe ou de plusieurs groupes. Elles sont très bien adaptées pour des gros jeux de données.

La fiche F08 aborde le graphique de type violin plot qui est un graphique utilisé pour visualiser la distribution des données et sa densité de probabilité. Par exemple, dans un violin plot, vous pouvez voir si la distribution des données est bimodale ou multimodale.

La fiche F09 aborde le graphique circulaire (graphique en secteurs) qui est un type de graphique utilisé en statistiques pour représenter un petit nombre de valeurs (ou de classes) par des angles proportionnels à la fréquence (ou l'effectif) de ces valeurs.

La fiche F10 aborde le graphique en lignes connectées qui est un bon choix quand on veut visualiser deux variables continues en utilisant les axes X et Y. On peut ajouter à ce type de graphique une dimension supplémentaire en termes de couleur, taille et style.

La fiche F11 aborde le graphique de type lollipop, que l'on traduit par graphique en bâtons de sucette, qui est une alternative au graphique à barres pour représenter le même type de données.

La fiche F12 aborde le graphique à bulles qui est comme un graphique en nuage de points dans lequel les valeurs sont représentées sous la forme d'un cercle dont la taille est fonction d'une troisième variable quantitative.

La fiche F13 aborde le graphique radar, dit aussi graphique polaire, pour présenter des données multivariées de trois ou plus de variables quantitatives, cartographiées sur un axe. Il ressemble à une toile d'araignée, avec un axe central duquel partent au moins trois rayons. Sur ces rayons, les valeurs des données sont cartographiées.

La fiche F14 aborde le graphique de type heatmap, terme anglais signifiant littéralement carte de chaleur ou carte thermique, qui est une représentation graphique de données statistiques qui fait correspondre à l'intensité d'une grandeur variable une gamme de tons ou un nuancier de couleurs sur une matrice à deux dimensions (qui peut elle-même représenter une zone géographique).

La fiche F15 aborde le graphique de densité 2D. Quand on dispose de deux variables quantitatives avec un très grand nombre de points, il est assez difficile de voir quelque chose lors de la représentation avec un graphique en nuage de points. Une alternative consiste à représenter les deux variables quantitatives sous la forme d'une densité. Le marqueur pour représenter un point est variable. Généralement on utilise un losange, mais cela peut être un carré dans les histogrammes 2D ou bien une estimation de la densité pour obtenir un graphique de densité 2D avec ou sans contours.

La fiche F16 aborde le graphique à barres circulaires qui ressemble à un graphique à barres, mais en utilisant les coordonnées polaires comme dans le graphique radar. Construire des barres circulaires est un peu plus compliqué que le graphique à barres classique. Mais l'effet visuel du graphique à barres circulaires est sans conteste beaucoup plus agréable à regarder.

La fiche F17 aborde le graphique treemap qui permet de visualiser un jeu de données par un ensemble de rectangles. Chaque groupe est représenté par un rectangle coloré pour lequel son aire est proportionnelle à sa valeur.

La fiche F18 aborde le graphique des relations logiques qui est un graphique montrant toutes les possibles relations logiques pour un ensemble fini de données.

La fiche F19 aborde le graphique de type carte géographique qui permet de comparer des valeurs et qui permet d'afficher des catégories selon différentes régions géographiques. Vous utilisez ce type de graphique quand vos données contiennent des régions géographiques, par exemple des continents, des pays, des régions, des états, des départements, etc.

Ressources complémentaires

Consulter le sommaire détaillé du livre => en cliquant ici

Télécharger gratuitement le code source de programmation => en cliquant ici

Disponible dans les librairies en ligne

Fiche auteur chez Amazon France => par ici

Chez Amazon France => commander ici

Fiche auteur chez Books on Demand => par ici

Chez Books On Demand => commander ici