Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Apprendre Visualisation des Estimations Ponctuelles | Section
Visualisation Statistique Avec Seaborn

bookVisualisation des Estimations Ponctuelles

Un pointplot représente une estimation de la tendance centrale (moyenne) par la position des points du nuage de points et fournit une indication de l'incertitude à l'aide de barres d'erreur.

Pointplot vs. Barplot

Techniquement, ils affichent exactement les mêmes données. Cependant, un pointplot relie les estimations par une ligne. Cela permet de visualiser la pente du changement, facilitant ainsi l'observation de l'évolution d'une variable d'une catégorie à une autre.

Paramètres clés

Pour rendre le graphique plus lisible (notamment en noir et blanc), il est possible de personnaliser les marqueurs et les lignes pour différents groupes :

  • markers : une liste de symboles à utiliser pour les points (par exemple, ['o', 'x']) ;
  • linestyles : une liste de styles de ligne (par exemple, ['-'] pour une ligne pleine, ['--'] pour une ligne en pointillés) ;
  • dodge=True : décale légèrement les points le long de l'axe afin qu'ils ne se chevauchent pas, rendant les barres d'erreur distinctes.

Exemple

Voici un pointplot montrant comment la facture moyenne évolue au cours de la semaine. Remarquez comment la ligne en pointillés permet de distinguer "Lunch" de "Dinner" même sans couleur.

123456789101112131415161718
import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('tips') # Create a styled pointplot sns.pointplot( data=df, x='day', y='total_bill', hue='time', markers=['o', '^'], # Circle and Triangle markers linestyles=['-', '--'], # Solid and Dashed lines dodge=True # Avoid overlap ) plt.show()
copy
Tâche

Swipe to start coding

Visualiser les pourboires donnés selon les différents jours afin de détecter une éventuelle tendance.

  1. Définir le style sur 'ticks'. Personnaliser la couleur de fond en passant {'axes.facecolor': 'azure'} comme deuxième argument.
  2. Créer un pointplot et l’assigner à la variable g :
  • Mapper 'day' sur x et 'tip' sur y.
  • Grouper par 'sex' à l’aide de hue.
  • Utiliser 'v' (triangle_down) et 'o' (cercle) comme markers pour distinguer les genres.
  • Utiliser la palette 'rocket'.
  • Activer dodge=True pour séparer les barres d’erreur.
  • Définir capsize à 0.2 pour ajouter des extrémités aux barres d’erreur.
    • Utiliser des lignes pleines ('-') et pointillées ('--') pour linestyles.
  1. Définir le titre sur 'Tips pointplot' en utilisant la variable g.
  2. Afficher le graphique.

Solution

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 1. Chapitre 14
single

single

Demandez à l'IA

expand

Demandez à l'IA

ChatGPT

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

close

bookVisualisation des Estimations Ponctuelles

Glissez pour afficher le menu

Un pointplot représente une estimation de la tendance centrale (moyenne) par la position des points du nuage de points et fournit une indication de l'incertitude à l'aide de barres d'erreur.

Pointplot vs. Barplot

Techniquement, ils affichent exactement les mêmes données. Cependant, un pointplot relie les estimations par une ligne. Cela permet de visualiser la pente du changement, facilitant ainsi l'observation de l'évolution d'une variable d'une catégorie à une autre.

Paramètres clés

Pour rendre le graphique plus lisible (notamment en noir et blanc), il est possible de personnaliser les marqueurs et les lignes pour différents groupes :

  • markers : une liste de symboles à utiliser pour les points (par exemple, ['o', 'x']) ;
  • linestyles : une liste de styles de ligne (par exemple, ['-'] pour une ligne pleine, ['--'] pour une ligne en pointillés) ;
  • dodge=True : décale légèrement les points le long de l'axe afin qu'ils ne se chevauchent pas, rendant les barres d'erreur distinctes.

Exemple

Voici un pointplot montrant comment la facture moyenne évolue au cours de la semaine. Remarquez comment la ligne en pointillés permet de distinguer "Lunch" de "Dinner" même sans couleur.

123456789101112131415161718
import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('tips') # Create a styled pointplot sns.pointplot( data=df, x='day', y='total_bill', hue='time', markers=['o', '^'], # Circle and Triangle markers linestyles=['-', '--'], # Solid and Dashed lines dodge=True # Avoid overlap ) plt.show()
copy
Tâche

Swipe to start coding

Visualiser les pourboires donnés selon les différents jours afin de détecter une éventuelle tendance.

  1. Définir le style sur 'ticks'. Personnaliser la couleur de fond en passant {'axes.facecolor': 'azure'} comme deuxième argument.
  2. Créer un pointplot et l’assigner à la variable g :
  • Mapper 'day' sur x et 'tip' sur y.
  • Grouper par 'sex' à l’aide de hue.
  • Utiliser 'v' (triangle_down) et 'o' (cercle) comme markers pour distinguer les genres.
  • Utiliser la palette 'rocket'.
  • Activer dodge=True pour séparer les barres d’erreur.
  • Définir capsize à 0.2 pour ajouter des extrémités aux barres d’erreur.
    • Utiliser des lignes pleines ('-') et pointillées ('--') pour linestyles.
  1. Définir le titre sur 'Tips pointplot' en utilisant la variable g.
  2. Afficher le graphique.

Solution

Switch to desktopPassez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous
Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 1. Chapitre 14
single

single

some-alt