Introduction à matplotlib
matplotlib est une bibliothèque Python utilisée pour créer des graphiques. C’est l’outil de base pour visualiser des données en Python.
Elle permet de tracer :
- Des courbes (lignes)
- Des histogrammes
- Des nuages de points (scatter)
- Des camemberts, barres, etc.
Pourquoi utiliser matplotlib ?
- Visualiser rapidement les données
- Comprendre les relations entre variables
- Repérer les tendances, anomalies, ou valeurs extrêmes
Installation
Si vous avez Anaconda, matplotlib est déjà installé. Sinon :
pip install matplotlib
Importation de base
import matplotlib.pyplot as plt
Courbe simple (line plot)
x = [1, 2, 3, 4]
y = [2, 4, 6, 8]
plt.plot(x, y)
plt.title("Courbe simple")
plt.xlabel("x")
plt.ylabel("y")
plt.show()
Ajouter des styles
plt.plot(x, y, color='green', marker='o', linestyle='--')
Tracer plusieurs courbes
plt.plot(x, y, label="y = 2x")
plt.plot(x, [i**2 for i in x], label="y = x²")
plt.legend()
plt.title("Deux courbes")
plt.show()
Histogramme
notes = [12, 14, 15, 13, 17, 18, 12, 14, 14, 19]
plt.hist(notes, bins=5)
plt.title("Répartition des notes")
plt.xlabel("Note")
plt.ylabel("Effectif")
plt.show()
Nuage de points (scatter plot)
x = [1, 2, 3, 4, 5]
y = [5, 4, 6, 7, 5]
plt.scatter(x, y)
plt.title("Nuage de points")
plt.xlabel("x")
plt.ylabel("y")
plt.show()
Diagramme en barres
noms = ["Alice", "Bob", "Charlie"]
valeurs = [10, 15, 7]
plt.bar(noms, valeurs)
plt.title("Scores par personne")
plt.show()
Sauvegarder une figure
plt.plot(x, y)
plt.savefig("graphique.png")
Personnalisation rapide
Quelques options fréquentes :
| Option | Exemple |
|---|---|
| Couleur | color='red' |
| Style ligne | linestyle='--' |
| Marqueur | marker='o' |
| Titre | plt.title("Titre") |
| Légende | plt.legend() |
À retenir
| Élément | Rôle |
|---|---|
| plot() | Courbe |
| scatter() | Nuage de points |
| hist() | Histogramme |
| bar() | Barres |
| show() | Affiche le graphique |
| savefig() | Sauvegarde en image |
| title(), xlabel(), ylabel() | Ajout de texte |
Prochaines étapes
- Combiner matplotlib avec pandas (
df.plot(...)) - Découvrir seaborn pour des graphiques statistiques plus avancés