Visualisation de données avec Python : Matplotlib et Seaborn
Visualisation de données avec Python : Matplotlib et Seaborn
La visualisation de données avec Python est essentielle pour comprendre et présenter des informations.
Les bibliothèques Matplotlib et Seaborn permettent de créer facilement des graphiques clairs et professionnels pour l’analyse des données.
1. Introduction à Matplotlib
Matplotlib est une bibliothèque populaire pour créer des graphiques en Python.
import matplotlib.pyplot as plt
# Données
x = [1, 2, 3, 4, 5]
y = [10, 12, 15, 20, 25]
# Création du graphique
plt.plot(x, y, marker='o', color='blue')
plt.title("Exemple de graphique")
plt.xlabel("X")
plt.ylabel("Y")
plt.show()
👉 Pour mieux manipuler les données avant de les visualiser, consultez notre article sur
NumPy et Pandas.
2. Création de graphiques avec Seaborn
Seaborn est une bibliothèque basée sur Matplotlib qui facilite la création de graphiques statistiques.
import seaborn as sns
import pandas as pd
# Exemple de données
donnees = pd.DataFrame({
"Nom": ["Ahmed", "Leila", "Sami", "Nour"],
"Âge": [20, 22, 21, 23],
"Ville": ["Tunis", "Sfax", "Sousse", "Tunis"]
})
# Diagramme en barres
sns.barplot(x="Nom", y="Âge", data=donnees)
plt.title("Âge par personne")
plt.show()
3. Graphiques courants avec Seaborn
Seaborn permet de créer facilement différents types de graphiques :
- Histogrammes :
sns.histplot() - Graphiques en nuage de points :
sns.scatterplot() - Graphiques en boîte (boxplot) :
sns.boxplot() - Graphiques de corrélation :
sns.heatmap()
4. Personnalisation des graphiques
Vous pouvez personnaliser les couleurs, les titres, les légendes et les axes pour rendre vos graphiques plus lisibles.
sns.barplot(x="Nom", y="Âge", data=donnees, palette="viridis")
plt.title("Âge des participants", fontsize=16)
plt.xlabel("Nom", fontsize=12)
plt.ylabel("Âge", fontsize=12)
plt.show()
5. Exercices pratiques
- Créer un graphique linéaire avec Matplotlib à partir de vos données.
- Créer un histogramme avec Seaborn pour visualiser l’âge des participants.
- Créer un graphique en boîte pour analyser la répartition des âges.
- Personnaliser un graphique avec couleurs, titres et légendes.
Conclusion
La visualisation de données avec Python facilite la compréhension et la présentation des informations.
Grâce à Matplotlib et Seaborn, vous pouvez créer des graphiques clairs, attractifs et professionnels pour vos analyses de données.
