Tutoriel sur l'utilisation de Pyplot de Matplotlib

Tutoriel sur l'utilisation de Pyplot de Matplotlib

Assurez-vous d'avoir Matplotlib installé dans votre environnement Python.

Matplotlib est une bibliothèque en Python largement utilisée pour la visualisation de données.

Pyplot est un sous-module de Matplotlib qui offre une interface permettant de créer facilement des graphiques et des visualisations.

La plupart des utilitaires de Matplotlib se trouvent dans le sous-module pyplot, et sont généralement importés sous l'alias plt

1. Importation de bibliothèques

Exemple :      Copier le code

import matplotlib.pyplot as plt
import numpy as np

2. Création d'une simple tracé (Plot)

Créons d'abord un graphique linéaire de base.

Exemple 1 : Tracé linéaire

Tracez une ligne dans un diagramme de la position (0,0) à la position (6,250) :

Exemple :      Copier le code

import matplotlib.pyplot as plt
import numpy as np

xpoints = np.array([0, 6])
ypoints = np.array([0, 250])

plt.plot(xpoints, ypoints)
plt.show()

Explication du code

Voici une explication du code :

Importation des bibliothèques :

• import matplotlib.pyplot as plt : Importe le module Pyplot de la bibliothèque Matplotlib, généralement renommé en plt.
• import numpy as np : Importe le module NumPy, généralement renommé en np.

Définition des points :

• xpoints = np.array([0, 6]) : Crée un tableau NumPy contenant les coordonnées en x des points, avec les valeurs 0 et 6.
• ypoints = np.array([0, 250]) : Crée un tableau NumPy contenant les coordonnées en y des points, avec les valeurs 0 et 250.

Tracé du graphique :

• plt.plot(xpoints, ypoints) : Trace une ligne reliant les points définis par les paires de coordonnées (0, 0) et (6, 250).
• plt.show() : Affiche le graphique.

Ce code crée un graphique avec une ligne reliant deux points : le premier point est situé aux coordonnées (0, 0) et le second point est situé aux coordonnées (6, 250). Le graphique affiche donc une ligne diagonale reliant ces deux points dans un système de coordonnées.

Exemple 2 : Création d'un graphique représentant la fonction sinus

Cet exemple illustre la création d'un graphique représentant la fonction sinus sur l'intervalle de 0 à 10 à l'aide de Matplotlib avec Pyplot.

Exemple :      Copier le code

import matplotlib.pyplot as plt
import numpy as np

# Génération de données
x = np.linspace(0, 10, 100)  # Crée un tableau de 100 valeurs entre 0 et 10
y = np.sin(x)  # Calcule le sinus de chaque valeur de x

# Tracé du graphique
plt.figure(figsize=(8, 6))  # Définit la taille de la figure
plt.plot(x, y, label='sin(x)')  # Tracé de y en fonction de x
plt.title('Graphique sin(x)')  # Ajout d'un titre au graphique
plt.xlabel('x')  # Nom de l'axe des x
plt.ylabel('sin(x)')  # Nom de l'axe des y
plt.legend()  # Affiche la légende
plt.grid(True)  # Ajoute une grille au graphique
plt.show()  # Affiche le graphique

Explication du code

• Les bibliothèques matplotlib.pyplot et numpy sont importées pour le tracé graphique et la génération de données respectivement.
• x est un tableau de 100 valeurs régulièrement espacées de 0 à 10 grâce à np.linspace(0, 10, 100).
• y est calculé en prenant le sinus de chaque valeur de x : np.sin(x).
• plt.figure(figsize=(8, 6)) crée une figure de taille 8x6 pouces.
• plt.plot(x, y, label='sin(x)') trace la courbe du sinus de x et l'étiquette avec 'sin(x)' pour la légende.
• plt.title('Graphique sin(x)') donne un titre au graphique.
• plt.xlabel('x') et plt.ylabel('sin(x)') ajoutent des étiquettes aux axes x et y respectivement.
• plt.legend() affiche la légende (basée sur les labels utilisés dans plt.plot()).
• plt.grid(True) ajoute une grille au graphique.
• plt.show() affiche le graphique.
• Ce code génère un graphique représentant le sinus de x sur l'intervalle [0, 10] avec des étiquettes pour les axes, une légende et une grille pour une meilleure lisibilité.

3. Types de graphiques disponibles

Matplotlib offre différentes options pour représenter les données. Voici quelques exemples :

Exemple 3 : Diagramme à barres

Exemple :      Copier le code

# Données pour le diagramme à barres
labels = ['A', 'B', 'C', 'D']
values = [3, 7, 2, 5]

# Tracé du diagramme à barres
plt.figure(figsize=(8, 6))
plt.bar(labels, values, color='skyblue')
plt.title('Diagramme à barres')
plt.xlabel('Catégories')
plt.ylabel('Valeurs')
plt.show()

Exemple 4 : Nuage de points (scatter plot)

Exemple :      Copier le code

# Données pour le nuage de points
x = np.random.rand(100)
y = np.random.rand(100)
colors = np.random.rand(100)
sizes = 1000 * np.random.rand(100)

# Tracé du nuage de points
plt.figure(figsize=(8, 6))
plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='viridis')
plt.title('Nuage de points aléatoires')
plt.xlabel('X')
plt.ylabel('Y')
plt.colorbar()  # Ajoute une barre de couleur pour indiquer les valeurs
plt.show()

Astuces et conseils :

1. Personnalisation : Matplotlib offre de nombreuses options pour personnaliser les graphiques. Explorez les différentes options de style, de couleurs, de légendes et d'autres paramètres pour rendre vos graphiques plus attrayants.
2. Sous-graphiques (Subplots) : Vous pouvez créer plusieurs graphiques dans une seule figure à l'aide de plt.subplot(). Cela est utile pour comparer différentes visualisations.
3. Documentation et exemples : Consultez la documentation officielle de Matplotlib pour en apprendre davantage sur les fonctionnalités et trouver des exemples détaillés : Documentation Matplotlib.
4. Utilisation avec Pandas : Si vous travaillez avec des données Pandas, vous pouvez directement utiliser les fonctionnalités de Matplotlib pour visualiser vos données à partir d'un DataFrame.

Matplotlib est une bibliothèque puissante pour la visualisation de données en Python. Expérimentez avec différents types de graphiques et options pour créer des représentations visuelles de qualité pour vos données.