Apprendre Combinaison de Plusieurs Graphiques et Sous-Graphiques

Lorsque vous souhaitez comparer différents ensembles de données ou mettre en avant plusieurs perspectives au sein d'une même visualisation, la combinaison de graphiques à l'aide de sous-graphiques constitue une technique précieuse. Les sous-graphiques permettent d'afficher plusieurs graphiques — tels que des scatter plots, des bar charts ou des line graphs — côte à côte ou empilés dans une seule figure. Cette approche facilite grandement l'identification rapide de motifs, de contrastes ou de corrélations entre différentes variables. Par exemple, il peut être pertinent de montrer la distribution de deux variables avec un scatter plot tout en résumant leurs effectifs dans un bar chart, le tout dans une vue unique pour une comparaison directe.


              1234567891011121314151617181920212223
            
import plotly.graph_objs as go
from plotly.subplots import make_subplots
from IPython.display import display, HTML

# Create a subplot figure with 1 row and 2 columns
fig = make_subplots(rows=1, cols=2, subplot_titles=("Scatter Plot", "Bar Chart"))

# Add a scatter plot to the first subplot
fig.add_trace(
    go.Scatter(x=[1, 2, 3, 4], y=[10, 15, 13, 17], mode="markers", name="Scatter"),
    row=1, col=1
)

# Add a bar chart to the second subplot
fig.add_trace(
    go.Bar(x=["A", "B", "C", "D"], y=[5, 7, 3, 8], name="Bar"),
    row=1, col=2
)

fig.update_layout(title_text="Multiple Charts with Subplots")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

Pour construire cette figure combinée, il faut d'abord créer une disposition de sous-graphiques en appelant make_subplots, en précisant le nombre de lignes et de colonnes souhaité. Dans cet exemple, la figure comporte une ligne et deux colonnes, ce qui place les graphiques côte à côte. Le paramètre subplot_titles permet d'indiquer un titre pour chaque sous-graphe afin de faciliter leur identification. Chaque type de graphique est ensuite ajouté via add_trace, en ciblant une ligne et une colonne spécifiques. Le nuage de points est placé dans la première colonne, tandis que le diagramme en barres occupe la seconde colonne. Chaque trace peut avoir ses propres données et son propre type de graphique, ce qui autorise des visualisations variées au sein d'une même figure. Enfin, il est possible de définir un titre commun ou d'ajuster la mise en page selon les besoins.


              1234567891011121314151617181920212223242526272829303132333435363738
            
import plotly.graph_objs as go
from plotly.subplots import make_subplots
from IPython.display import display, HTML

# Create subplots with custom titles and axis labels
fig = make_subplots(
    rows=1, cols=2,
    subplot_titles=("Age vs. Score", "Category Counts")
)

# Scatter plot with axis labels
fig.add_trace(
    go.Scatter(
        x=[18, 22, 27, 35], y=[80, 85, 90, 95],
        mode="markers",
        name="Scores"
    ),
    row=1, col=1
)
fig.update_xaxes(title_text="Age", row=1, col=1)
fig.update_yaxes(title_text="Score", row=1, col=1)

# Bar chart with axis labels
fig.add_trace(
    go.Bar(
        x=["Group A", "Group B", "Group C"],
        y=[20, 14, 23],
        name="Counts"
    ),
    row=1, col=2
)
fig.update_xaxes(title_text="Group", row=1, col=2)
fig.update_yaxes(title_text="Count", row=1, col=2)

fig.update_layout(title_text="Customized Subplot Titles and Axis Labels")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

Lors de l'agencement de sous-graphiques, veiller à ce que chaque graphique soit clairement identifié par des titres et des descriptions d'axes. Cela aide les utilisateurs à comprendre ce que représente chaque sous-graphe sans ambiguïté. Toujours utiliser le paramètre subplot_titles pour nommer chaque graphique, et définir les étiquettes des axes x et y à l'aide de update_xaxes et update_yaxes. Maintenir une disposition équilibrée — éviter la surcharge — et aligner les graphiques liés de manière à faciliter les comparaisons. En se référant aux exemples précédents, on observe comment différents types de graphiques et un étiquetage clair rendent vos visualisations plus informatives et accessibles.

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 5

Demandez à l'IA

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

Glissez pour afficher le menu


              1234567891011121314151617181920212223
            
import plotly.graph_objs as go
from plotly.subplots import make_subplots
from IPython.display import display, HTML

# Create a subplot figure with 1 row and 2 columns
fig = make_subplots(rows=1, cols=2, subplot_titles=("Scatter Plot", "Bar Chart"))

# Add a scatter plot to the first subplot
fig.add_trace(
    go.Scatter(x=[1, 2, 3, 4], y=[10, 15, 13, 17], mode="markers", name="Scatter"),
    row=1, col=1
)

# Add a bar chart to the second subplot
fig.add_trace(
    go.Bar(x=["A", "B", "C", "D"], y=[5, 7, 3, 8], name="Bar"),
    row=1, col=2
)

fig.update_layout(title_text="Multiple Charts with Subplots")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))


              1234567891011121314151617181920212223242526272829303132333435363738
            
import plotly.graph_objs as go
from plotly.subplots import make_subplots
from IPython.display import display, HTML

# Create subplots with custom titles and axis labels
fig = make_subplots(
    rows=1, cols=2,
    subplot_titles=("Age vs. Score", "Category Counts")
)

# Scatter plot with axis labels
fig.add_trace(
    go.Scatter(
        x=[18, 22, 27, 35], y=[80, 85, 90, 95],
        mode="markers",
        name="Scores"
    ),
    row=1, col=1
)
fig.update_xaxes(title_text="Age", row=1, col=1)
fig.update_yaxes(title_text="Score", row=1, col=1)

# Bar chart with axis labels
fig.add_trace(
    go.Bar(
        x=["Group A", "Group B", "Group C"],
        y=[20, 14, 23],
        name="Counts"
    ),
    row=1, col=2
)
fig.update_xaxes(title_text="Group", row=1, col=2)
fig.update_yaxes(title_text="Count", row=1, col=2)

fig.update_layout(title_text="Customized Subplot Titles and Axis Labels")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 5