Introduction
La visualisation des données est une étape essentielle pour comprendre et analyser des informations. Matplotlib est une bibliothèque Python puissante et polyvalente qui permet de créer des graphiques de qualité professionnelle. Que vous souhaitiez tracer des courbes, des histogrammes ou des diagrammes en barres, Matplotlib offre les outils nécessaires pour transformer vos données en représentations visuelles percutantes.
Dans cet article, nous allons explorer les bases de Matplotlib et apprendre à créer différents types de graphiques pour analyser efficacement vos données.
1. Installation de Matplotlib
Si vous n’avez pas encore installé Matplotlib, utilisez la commande suivante pour l’ajouter à votre environnement Python :
pip install matplotlib
our commencer, importez le module pyplot, qui est au cœur de Matplotlib.
import matplotlib.pyplot as plt
2. Premier graphique avec Matplotlib
2.1. Tracer une courbe simple
Voici comment tracer un graphique de base :
import matplotlib.pyplot as plt
# Données
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
# Tracer la courbe
plt.plot(x, y)
plt.title("Courbe simple")
plt.xlabel("X")
plt.ylabel("Y")
plt.show()
plt.plot(x, y): Trace une ligne reliant les points(x, y).plt.title(),plt.xlabel(), etplt.ylabel(): Ajoutent un titre et des labels aux axes.
3. Types de graphiques avec Matplotlib
Matplotlib permet de créer différents types de graphiques adaptés à vos besoins.
3.1. Graphique en lignes
x = [0, 1, 2, 3, 4, 5]
y = [0, 1, 4, 9, 16, 25]
plt.plot(x, y, color='blue', marker='o', linestyle='--')
plt.title("Graphique en lignes")
plt.show()
3.2. Histogramme
Un histogramme montre la distribution d’un ensemble de données.
data = [1, 2, 2, 3, 3, 3, 4, 4, 5, 5, 5, 5]
plt.hist(data, bins=5, color='green', edgecolor='black')
plt.title("Histogramme")
plt.show()
3.3. Diagramme en barres
categories = ['A', 'B', 'C', 'D']
valeurs = [3, 7, 8, 5]
plt.bar(categories, valeurs, color='purple')
plt.title("Diagramme en barres")
plt.show()
3.4. Nuage de points (Scatter plot)
Pour visualiser la relation entre deux variables.
x = [5, 7, 8, 7, 2, 17, 2, 9, 4, 11]
y = [99, 86, 87, 88, 100, 86, 103, 87, 94, 78]
plt.scatter(x, y, color='red')
plt.title("Nuage de points")
plt.show()
4. Personnalisation des graphiques
Matplotlib offre une grande flexibilité pour personnaliser les graphiques.
4.1. Ajouter une grille
plt.plot(x, y)
plt.grid(color='gray', linestyle='--', linewidth=0.5)
plt.title("Avec grille")
plt.show()
4.2. Modifier les styles
Vous pouvez utiliser différents styles pour vos graphiques.
plt.style.use('ggplot') # Applique le style "ggplot"
plt.plot(x, y, label="Courbe")
plt.legend() # Ajoute une légende
plt.show()
4.3. Ajouter plusieurs courbes
x = [1, 2, 3, 4, 5]
y1 = [1, 4, 9, 16, 25]
y2 = [25, 16, 9, 4, 1]
plt.plot(x, y1, label="Courbe 1", color='blue')
plt.plot(x, y2, label="Courbe 2", color='orange')
plt.legend() # Affiche la légende
plt.title("Graphique avec plusieurs courbes")
plt.show()
5. Sauvegarder un graphique
Une fois votre graphique prêt, vous pouvez le sauvegarder sous forme d’image (PNG, JPEG, etc.).
plt.plot(x, y)
plt.title("Sauvegarder un graphique")
plt.savefig("graphique.png")
plt.show()
6. Utilisation des sous-graphiques
Les sous-graphiques permettent d’afficher plusieurs graphiques dans une seule figure.
x = [1, 2, 3, 4, 5]
y1 = [1, 4, 9, 16, 25]
y2 = [25, 16, 9, 4, 1]
plt.subplot(1, 2, 1) # 1 ligne, 2 colonnes, 1er graphique
plt.plot(x, y1)
plt.title("Graphique 1")
plt.subplot(1, 2, 2) # 1 ligne, 2 colonnes, 2ème graphique
plt.plot(x, y2)
plt.title("Graphique 2")
plt.tight_layout() # Ajuste les espaces entre les graphiques
plt.show()
7. Graphiques avancés avec Matplotlib
7.1. Diagramme circulaire (Pie chart)
labels = ['Python', 'Java', 'C++', 'Ruby']
parts = [40, 30, 20, 10]
plt.pie(parts, labels=labels, autopct='%1.1f%%', startangle=90)
plt.title("Diagramme circulaire")
plt.show()
7.2. Graphiques en 3D
Avec le module mpl_toolkits.mplot3d, vous pouvez créer des graphiques en 3D.
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
x = [1, 2, 3, 4, 5]
y = [10, 20, 30, 40, 50]
z = [100, 110, 120, 130, 140]
ax.scatter(x, y, z)
plt.title("Graphique 3D")
plt.show()
Conclusion
Matplotlib est une bibliothèque incontournable pour visualiser vos données en Python. Avec ses nombreux types de graphiques et ses options de personnalisation, Matplotlib vous permet de créer des visualisations attrayantes et informatives pour explorer et communiquer efficacement vos données. En maîtrisant ces bases, vous êtes prêt à concevoir des graphiques avancés adaptés à vos besoins.