Aller au contenu
Apprendre.
  • M1 · toutes les matières15 matières : Préparation de données, API & sécurité, CI/CD, Docker, Merise, Dataviz, KNIME, ML appliqué : projet LoL, SQL & UML, SQL avancé, Machine Learning, Git, IA frugale & responsable, Qualité des données, MathématiquesAnnée
  • M2 · toutes les matières4 matières : Deep Learning, AI Act, Comex & Fundraising, Gouvernance & DataMeshAnnée
  • Deep LearningM2 · 4 modules · Réseaux de neurones, CNN, texte, modèles génératifs.Matière
  • Préparation de donnéesM1 · 3 modules · Nettoyer, transformer et fusionner des données avec Python.Matière
  • API & sécuritéM1 · 2 modules · Consommer, concevoir et sécuriser des API.Matière
  • CI/CDM1 · 1 module · Intégration et livraison continues.Matière
  • DockerM1 · 3 modules · Conteneurs, images, volumes, réseaux, Compose.Matière
  • MeriseM1 · 2 modules · Modéliser une base : MCD, MLD, MPD.Matière
  • DatavizM1 · 2 modules · Visualiser pour comprendre et décider.Matière
  • KNIMEM1 · 1 module · Explorer et nettoyer des données en workflow.Matière
  • ML appliqué : projet LoLM1 · 2 modules · Du besoin métier au POC de vision par ordinateur.Matière
  • SQL & UMLM1 · 3 modules · Modèles UML et requêtes SQL.Matière
  • SQL avancéM1 · 3 modules · Jointures, fenêtres, CTE, optimisation.Matière
  • Machine LearningM1 · 3 modules · Régression, classification, segmentation, projet.Matière

↑↓ naviguer↵ ouvre le résultat en surbrillanceesc fermer

Partie 3 · Visualisation

Visualiser rapidement avec l'API plot

df.plot() est un enveloppe pratique autour de Matplotlib : des graphiques rapides sans écrire de code Matplotlib. Seaborn ou Plotly complètent quand il faut personnaliser.

QuestionGraphiqueAppel
Comment une variable numérique se répartit-elle ?Histogramme (intervalles / bins).hist() ou .plot(kind='hist')
Y a-t-il une relation entre deux variables numériques ?Nuage de points (un point par observation).plot(kind='scatter', x=, y=) ; c= pour la couleur
Comment évolue une grandeur dans le temps ?Courbe.plot(kind='line')
Comment comparer des catégories ?Barres (barh = horizontales).plot(kind='bar'), souvent après value_counts() ou une agrégation

On n'a pas de Matplotlib ici : une façon d'en garder l'esprit est un diagramme en barres textuel à partir d'une agrégation.

Vérifie que tu as compris

Quel graphique pour comparer le chiffre d'affaires de cinq régions ?

Vérifie que tu as compris

Quel graphique montre l'évolution d'une mesure jour après jour ?

À toi de coder

Un diagramme en barres textuel

Après value_counts(), on trace .plot(kind='bar'). Ici, version texte : compte les villes puis fabrique pour chacune une ligne 'ville ' + '#' * effectif, triée par effectif décroissant (comme value_counts()).

Ctrl/⌘+Entrée