Personnalisation des visualisations Matplotlib en Python

Introduction

Dans ce laboratoire, nous allons apprendre à utiliser Matplotlib pour créer des visualisations en Python. Matplotlib est une bibliothèque puissante pour la visualisation de données et est couramment utilisée pour créer des graphiques, des diagrammes et des cartes. Nous allons explorer les différents types de graphiques disponibles dans Matplotlib et apprendre à les personnaliser pour créer des visualisations de qualité professionnelle.

Conseils sur la machine virtuelle

Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Carnet d'adresses pour accéder au carnet Jupyter pour la pratique.

Parfois, vous devrez peut-être attendre quelques secondes pour que le carnet Jupyter ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations du carnet Jupyter.

Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous résoudrons rapidement le problème pour vous.

Importation des bibliothèques

La première étape consiste à importer les bibliothèques nécessaires. Pour ce tutoriel, nous utiliserons NumPy et Matplotlib. NumPy est une bibliothèque pour le calcul numérique et Matplotlib est une bibliothèque pour la visualisation de données.

import numpy as np
import matplotlib.pyplot as plt

Création de données

Ensuite, nous allons créer des données à utiliser dans nos graphiques. Pour ce tutoriel, nous allons créer un graphique en ligne simple.

## Create the data
x = np.linspace(0, 10, 100)
y = np.sin(x)

## Plot the data
plt.plot(x, y)
plt.show()

Personnalisation du graphique

Maintenant que nous avons créé un graphique de base, allons le personnaliser pour le rendre plus visuellement attrayant. Nous pouvons ajouter un titre, des étiquettes d'axe et changer la couleur et le style de la ligne.

## Add title and axis labels
plt.title('Sin Wave')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

## Change color and style of line
plt.plot(x, y, color='red', linestyle='dashed')
plt.show()

Création d'un graphique en nuage de points

En plus des graphiques en ligne, Matplotlib nous permet également de créer des graphiques en nuage de points. Les graphiques en nuage de points sont utiles pour visualiser la relation entre deux variables.

## Create the data
x = np.random.rand(50)
y = np.random.rand(50)

## Create the scatter plot
plt.scatter(x, y)

## Add title and axis labels
plt.title('Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

plt.show()

Création d'un graphique en barres

Un autre type de graphique courant est le graphique en barres. Les graphiques en barres sont utiles pour comparer les valeurs de différentes catégories.

## Create the data
x = ['A', 'B', 'C', 'D', 'E']
y = [3, 7, 1, 9, 4]

## Create the bar chart
plt.bar(x, y)

## Add title and axis labels
plt.title('Bar Chart')
plt.xlabel('Categories')
plt.ylabel('Values')

plt.show()

Sommaire

Dans ce laboratoire, nous avons appris à utiliser Matplotlib pour créer différents types de graphiques, y compris des graphiques en ligne, des graphiques en nuage de points et des graphiques en barres. Nous avons également appris à personnaliser nos graphiques en ajoutant des titres, des étiquettes d'axe et en changeant la couleur et le style des lignes. Matplotlib est une bibliothèque puissante pour la visualisation de données et est un outil essentiel pour quiconque travaille avec des données en Python.