Fonctionnalités de Pyplot

1. Bases de Pyplot

Créer un graphique simple

Maintenant que nous avons Matplotlib entre les mains, plongeons dans ses parties de base. Pyplot, c'est un petit module mais vraiment pratique dans Matplotlib. Il te permet de faire des graphiques hyper rapidement, comme si tu dessinais sur une toile.

import matplotlib.pyplot as plt

# Créons un graphique tout simple
plt.plot([0, 1, 2, 3], [0, 1, 4, 9])
plt.show()

Voilà, tu as fait ton premier graphique ! Bon, il n'est pas hyper élégant, mais crois-moi, c'est juste le début.

Améliorer le graphique

Créer un graphique dans pyplot comporte quelques étapes de base :

1. Préparer les données pour le graphique.
2. Choisir un type de graphique (par exemple, plot() pour un graphique linéaire).
3. Configurer le graphique (étiquettes, titre et légende).
4. Afficher le graphique à l'aide de la fonction show().

Essayons d'améliorer notre premier graphique...

Graphique linéaire

import matplotlib.pyplot as plt

# Données pour le graphique
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# Tracer un graphique linéaire
plt.plot(x, y)

# Ajouter les labels et le titre
plt.xlabel("X")
plt.ylabel("Y")
plt.title("Exemple de graphique linéaire")

# Afficher le graphique
plt.show()

Ce code génère un graphique linéaire qui affiche les valeurs y sur l'axe Y en fonction des valeurs x sur l'axe X. Les fonctions xlabel(), ylabel() et title() ajoutent des étiquettes et un titre au graphique.

2. Types de graphiques principaux dans Pyplot

1. Graphique linéaire plot()

Les graphiques linéaires sont souvent utilisés pour visualiser des données au fil du temps ou pour analyser des tendances.

x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]

plt.plot(x, y, marker="o", color="b", linestyle="--")
plt.xlabel("Temps")
plt.ylabel("Valeur")
plt.title("Graphique linéaire")
plt.show()

Ici, on utilise les paramètres marker, color et linestyle pour configurer l'apparence du graphique.

2. Histogramme hist()

Les histogrammes sont super pour montrer la répartition des données et analyser la fréquence des valeurs.

data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5]

plt.hist(data, bins=5, color="skyblue", edgecolor="black")
plt.xlabel("Valeur")
plt.ylabel("Fréquence")
plt.title("Histogramme")
plt.show()

Ici, le paramètre bins définit le nombre de colonnes dans l'histogramme, et edgecolor ajoute une bordure à chaque colonne.

3. Diagramme circulaire pie()

Les diagrammes circulaires montrent les parts des catégories dans l'ensemble des données.

labels = ["Chats", "Chiens", "Oiseaux"]
sizes = [40, 35, 25]

plt.pie(sizes, labels=labels, autopct="%1.1f%%", startangle=90)
plt.title("Diagramme circulaire")
plt.show()

Ici, autopct affiche le pourcentage pour chaque catégorie, et startangle fait tourner le diagramme.

4. Nuage de points scatter()

Les nuages de points sont pratiques pour analyser la corrélation entre deux variables.

x = [1, 2, 3, 4, 5]
y = [5, 7, 8, 5, 6]

plt.scatter(x, y, color="red")
plt.xlabel("X")
plt.ylabel("Y")
plt.title("Nuage de points")
plt.show()

Un nuage de points est idéal pour détecter les corrélations entre les valeurs sur les axes X et Y.

5. Diagramme en barres bar()

Les diagrammes en barres sont parfaits pour comparer les valeurs entre différentes catégories.

categories = ["A", "B", "C", "D"]
values = [10, 15, 7, 20]

plt.bar(categories, values, color="lightblue")
plt.xlabel("Catégories")
plt.ylabel("Valeurs")
plt.title("Diagramme en barres")
plt.show()

Ici, categories et values représentent les étiquettes et leurs valeurs correspondantes pour tracer les barres.

Maintenant, tu as découvert les bases pour installer et configurer Matplotlib, et tu es prêt à créer tes premiers graphiques. Mais ce n'est que le début du voyage. Dans les prochains cours, on plongera dans des types de graphiques plus complexes et leur personnalisation. À la fin, tu seras capable de créer des chefs-d'œuvre qui sont non seulement beaux, mais aussi informatifs.

N'oublie pas, la visualisation des données, ce n'est pas juste des graphiques, c'est aussi raconter des histoires. Et Matplotlib sera ton meilleur narrateur. À très vite dans la prochaine leçon où on affinera tes compétences et on explorera de nouveaux horizons dans le monde des graphiques !