Rendre vos visualisations efficaces

Améliorer vos visualisations de données en Python

Nick Strayer

Instructor

Qu'est-ce qu'une visualisation efficace ?

  • Réduire l'effort pour saisir l'histoire
  • Réorganiser les graphiques pour garder le focus
  • Améliorer le ratio « encre »/information
  • Ne pas sacrifier le message

Courbe chaotique simplifiée en plusieurs étapes jusqu'à une ligne droite

Améliorer vos visualisations de données en Python

Un rapport avec trois graphiques séparés à gauche et, à droite, les mêmes trois graphiques regroupés en haut du rapport

Améliorer vos visualisations de données en Python
# Create a subplot w/ one row & two columns.
f, (ax1, ax2) = plt.subplots(1, 2)

# Pass each axes to respective plot sns.lineplot('month', 'NO2', 'year', ax=ax1, data=pol_by_month)
sns.barplot('year', 'count', ax=ax2, data=obs_by_year)

Un graphique linéaire des valeurs de pollution sur plusieurs années à côté d'un diagramme en barres du nombre d'observations par année

Améliorer vos visualisations de données en Python

Supprimer les légendes inutiles

Un graphique linéaire des valeurs de pollution à côté d'un diagramme en barres du nombre d'observations, montrant que les barres peuvent servir de légende du graphique linéaire

Améliorer vos visualisations de données en Python
sns.lineplot('month', 'NO2', 'year', ax=ax1, data=pol_by_month, palette='RdBu',)

sns.barplot('year', 'count', 'year', ax=ax2, data=obs_by_year, palette='RdBu', dodge=False)
# Remove legends for both plots ax1.legend_.remove() ax2.legend_.remove()

Un graphique linéaire des valeurs de pollution à côté d'un diagramme en barres où les couleurs des barres servent de légende pour le graphique linéaire

Améliorer vos visualisations de données en Python

Passons à la pratique !

Améliorer vos visualisations de données en Python

Preparing Video For Download...