AccueilCoursPython intermédiaire

Créer ses premiers graphiques avec Matplotlib

Chapitre 2 · Visualiser les données avec Matplotlib · leçon 2 sur 89
Réservée aux abonnés — voici son début
Tracés de base avec Matplotlib La visualisation des données est une compétence essentielle en Python, notamment dans le domaine de la science des données. Elle permet de représenter des informations sous forme de graphiques, de mieux comprendre les données et d’en extraire des tendances. Elle facilite également la communication des résultats et leur interprétation. L’importance de la visualisation des données La visualisation permet d’explorer un jeu de données avant d’effectuer des analyses plus approfondies. Elle aide à repérer des tendances, à comparer des variables et à identifier des différences qui seraient difficiles à observer dans un tableau de chiffres. Par exemple, un graphique à
La suite de cette leçon est réservée aux abonnés Créez votre compte gratuit pour tester les exercices d’exemple, puis passez à l'accès complet quand vous le souhaitez.

Créez votre compte gratuit

Sans carte bancaire, en trente secondes.
Continuer avec Google
ou
S'inscrire avec un e-mail
Déjà inscrit ? Se connecter
En continuant, vous acceptez les conditions d'utilisation et la politique de confidentialité. Vos données sont hébergées dans l'Union européenne.

Accès complet DATAGOZ

19 €/ mois — ou 190 € / an
  • Tous les cours publiés et les parcours métier
  • Exercices et quiz corrigés automatiquement
  • Entraînement, examen et attestation de suivi
  • Sans engagement, résiliable en ligne
Voir les formules
Cette leçon fait partie du cours

Python intermédiaire

short_training7 chapitres · 89 leçons

Approfondissez vos connaissances en Python et développez vos compétences.

  • La plateforme de formationabonnés
  • Créer ses premiers graphiques avec Matplotlibvous êtes ici
  • Créer un graphique linéaire — Partie 1abonnés
  • Interpréter un graphique linéaire — Partie 2abonnés
  • Approfondir les graphiques linéaires — Partie 3abonnés
  • Découvrir les diagrammes de dispersionabonnés
  • Analyser un nuage de pointsabonnés
  • Construire un histogramme avec Matplotlibabonnés
  • Construire un histogramme — Partie 1abonnés
  • Construire un histogramme avec des classes — Partie 2abonnés
  • Comparer des distributions avec des histogrammes — Partie 3abonnés
  • Sélectionner le graphique adapté — Partie 1abonnés
  • Adapter le choix du graphique aux données — Partie 2abonnés
  • Personnaliser ses graphiques avec Matplotlibabonnés
  • Ajouter et personnaliser les étiquettes des graphiquesabonnés
  • Régler les graduations des graphiquesabonnés
  • Ajuster la taille des graphiquesabonnés
  • Personnaliser les couleurs des graphiquesabonnés
  • Affiner la personnalisation des graphiquesabonnés
  • Interpréter les graphiques avec pertinenceabonnés
  • Découvrir les dictionnaires en Python — Partie 1abonnés
  • Comprendre l’intérêt des dictionnaires en Pythonabonnés
  • Construire un dictionnaire en Pythonabonnés
  • Consulter les éléments d’un dictionnaire en Pythonabonnés
  • Approfondir l’utilisation des dictionnaires en Python — Partie 2abonnés
  • Manipuler les dictionnaires en Python — Partie 1abonnés
  • Approfondir la manipulation des dictionnaires en Python — Partie 2abonnés
  • Utiliser des dictionnaires imbriqués en Pythonabonnés
  • Découvrir Pandas — Partie 1abonnés
  • Transformer un dictionnaire en DataFrame — Partie 1abonnés
  • Poursuivre la conversion d’un dictionnaire en DataFrame — Partie 2abonnés
  • Importer un fichier CSV dans un DataFrame — Partie 1abonnés
  • Approfondir l’importation des fichiers CSV dans un DataFrame — Partie 2abonnés
  • Approfondir Pandas — Partie 2abonnés
  • Utiliser les crochets en Python — Partie 1abonnés
  • Approfondir l’utilisation des crochets en Python — Partie 2abonnés
  • Sélectionner des données avec loc et iloc — Partie 1abonnés
  • Approfondir la sélection des données avec loc et iloc — Partie 2abonnés
  • Maîtriser la sélection avancée avec loc et iloc — Partie 3abonnés
  • Utiliser les opérateurs de comparaison en Pythonabonnés
  • Comparer des valeurs avec l’égalité en Pythonabonnés
  • Comparer des valeurs avec les opérateurs supérieur et inférieurabonnés
  • Comparer des tableaux de données en Pythonabonnés
  • Manipuler les opérateurs booléens en Pythonabonnés
  • Utiliser les opérateurs and, or et not — Partie 1abonnés
  • Approfondir les opérateurs and, or et not — Partie 2abonnés
  • Manipuler les opérateurs booléens avec NumPyabonnés
  • Utiliser les conditions if, elif et elseabonnés
  • Se familiariser avec les notions essentiellesabonnés
  • Utiliser la condition if en Pythonabonnés
  • Ajouter else pour gérer les alternatives en Pythonabonnés
  • Affiner les conditions avec elif en Pythonabonnés
  • Appliquer des filtres aux DataFrames Pandasabonnés
  • Simuler une conduite à droite avec Python — Partie 1abonnés
  • Poursuivre la simulation de conduite à droite avec Python — Partie 2abonnés
  • Analyser le nombre de voitures par habitant — Partie 1abonnés
  • Comparer le nombre de voitures par habitant — Partie 2abonnés
  • Utiliser la boucle while en Pythonabonnés
  • Se préparer à utiliser la boucle while en Pythonabonnés
  • Découvrir le fonctionnement de la boucle while en Pythonabonnés
  • Intégrer des conditions dans une boucle while en Pythonabonnés
  • Parcourir des éléments avec la boucle for en Pythonabonnés
  • Parcourir les éléments d’une liste en Pythonabonnés
  • Parcourir une liste avec ses index et ses valeurs — Partie 1abonnés
  • Manipuler les index et les valeurs d’une liste — Partie 2abonnés
  • Parcourir des listes imbriquées en Pythonabonnés
  • Explorer les structures de données avec les boucles — Partie 1abonnés
  • Parcourir les éléments d’un dictionnaireabonnés
  • Parcourir les éléments d’un tableau NumPyabonnés
  • Explorer les structures de données avec les boucles — Partie 2abonnés
  • Parcourir les données d’un DataFrame — Partie 1abonnés
  • Explorer les données d’un DataFrame — Partie 2abonnés
  • Ajouter une colonne à un DataFrame — Partie 1abonnés
  • Modifier un DataFrame en ajoutant une colonne — Partie 2abonnés
  • Générer des nombres aléatoires en Pythonabonnés
  • Générer un nombre flottant aléatoireabonnés
  • Simuler un lancer de désabonnés
  • Déterminer le prochain déplacementabonnés
  • Simuler une marche aléatoire en Pythonabonnés
  • Passer à l’étape suivanteabonnés
  • Déterminer jusqu’où vous pouvez descendreabonnés
  • Visualiser une marche aléatoireabonnés
  • Explorer les distributions statistiques en Pythonabonnés
  • Simuler plusieurs marches aléatoiresabonnés
  • Visualiser l’ensemble des marches aléatoiresabonnés
  • Intégrer la maladresse dans la simulationabonnés
  • Visualiser la distribution des résultatsabonnés
  • Estimer les probabilités à partir des donnéesabonnés
  • Conclusion de la formationabonnés
Leçon suivante

Créer un graphique linéaire — Partie 1

Voir le programme Créer un compte pour continuer