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

Couleurs et Transparence

Couleurs

Lorsque nous avons discuté des graphiques à barres, nous avons personnalisé les couleurs des barres, en définissant une couleur unique pour chaque barre distincte. En fait, il est possible de changer la ou les couleurs pour tous les graphiques en utilisant l'argument de mot-clé color. Jetons un coup d'œil à un exemple :


              1234567891011121314
            
import matplotlib.pyplot as plt
import numpy as np
data_linear = np.arange(0, 11)
data_squared = data_linear ** 2
data_log = np.exp(data_linear)
# Setting the color of the first line plot
plt.plot(data_linear, label='linear function', color='red')
# Setting the color of the second line plot
plt.plot(data_squared, '-o', label='quadratic function', color='blue')
plt.xticks(data_linear)
plt.xlabel('x', loc='right')
plt.ylabel('y', loc='top', rotation=0)
plt.legend()
plt.show()

Ici, nous avons défini la couleur red pour le premier graphique en ligne, tandis que le deuxième graphique en ligne a été défini sur la couleur blue. Contrairement aux graphiques en nuage de points ou aux graphiques à barres (qui ont plusieurs éléments), nous ne pouvons définir qu'une seule couleur pour le graphique en ligne, car il n'a qu'un seul élément. En parlant des graphiques à barres, voici un exemple de la section précédente :


              1234567
            
import matplotlib.pyplot as plt
programming_languages = ['Python', 'Java', 'C#', 'C++']
shares = [40, 30, 17, 13]
# Setting separate a color for each bar
plt.bar(programming_languages, shares, color=['b', 'green', 'red', 'yellow'])
plt.title('Percentage of users of programming languages')
plt.show()

Transparence

Un autre paramètre d'apparence est alpha (transparence du graphique). Sa valeur par défaut est 1 (opaque), qui est sa valeur maximale possible. Fondamentalement, ses valeurs possibles vont de 0 à 1, où 0 rend le graphique entièrement transparent.

Modifions nos graphiques linéaires avec ce paramètre :


              123456789101112
            
import matplotlib.pyplot as plt
import numpy as np
data_linear = np.arange(0, 11)
data_squared = data_linear ** 2
# Changing the transparency of the first line plot
plt.plot(data_linear, label='linear function', color='red', alpha=0.5)
plt.plot(data_squared, '-o', label='quadratic function', color='blue')
plt.xticks(data_linear)
plt.xlabel('x', loc='right')
plt.ylabel('y', loc='top', rotation=0)
plt.legend()
plt.show()

En utilisant alpha=0.5, nous avons rendu le tracé de la fonction linéaire plus transparent afin de concentrer davantage l'attention sur le tracé de la fonction quadratique. Modifier la transparence est principalement utilisé exactement à cette fin.

Tâche

Swipe to start coding

Définissez la couleur des barres les plus basses sur 'darkslateblue'.
Définissez la couleur des barres du milieu sur 'steelblue' (l'argument doit suivre le paramètre label).
Définissez la transparence des barres du milieu sur 0.7 (l'argument le plus à droite).
Définissez la couleur des barres du haut sur 'goldenrod'.

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 3. Chapitre 4

Couleurs et Transparence

Couleurs


              1234567891011121314
            
import matplotlib.pyplot as plt
import numpy as np
data_linear = np.arange(0, 11)
data_squared = data_linear ** 2
data_log = np.exp(data_linear)
# Setting the color of the first line plot
plt.plot(data_linear, label='linear function', color='red')
# Setting the color of the second line plot
plt.plot(data_squared, '-o', label='quadratic function', color='blue')
plt.xticks(data_linear)
plt.xlabel('x', loc='right')
plt.ylabel('y', loc='top', rotation=0)
plt.legend()
plt.show()


              1234567
            
import matplotlib.pyplot as plt
programming_languages = ['Python', 'Java', 'C#', 'C++']
shares = [40, 30, 17, 13]
# Setting separate a color for each bar
plt.bar(programming_languages, shares, color=['b', 'green', 'red', 'yellow'])
plt.title('Percentage of users of programming languages')
plt.show()

Transparence

Modifions nos graphiques linéaires avec ce paramètre :


              123456789101112
            
import matplotlib.pyplot as plt
import numpy as np
data_linear = np.arange(0, 11)
data_squared = data_linear ** 2
# Changing the transparency of the first line plot
plt.plot(data_linear, label='linear function', color='red', alpha=0.5)
plt.plot(data_squared, '-o', label='quadratic function', color='blue')
plt.xticks(data_linear)
plt.xlabel('x', loc='right')
plt.ylabel('y', loc='top', rotation=0)
plt.legend()
plt.show()

Tâche

Swipe to start coding

Définissez la couleur des barres les plus basses sur 'darkslateblue'.
Définissez la couleur des barres du milieu sur 'steelblue' (l'argument doit suivre le paramètre label).
Définissez la transparence des barres du milieu sur 0.7 (l'argument le plus à droite).
Définissez la couleur des barres du haut sur 'goldenrod'.

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 3. Chapitre 4

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