Introduction aux graphiques linéaires

Introduction à la visualisation de données avec Seaborn

Content Team

DataCamp

Qu'est-ce qu'un graphique linéaire ?

Deux types de graphiques relationnels : nuages de points et graphiques linéaires

Nuages de points

  • Chaque point est une observation indépendante

Gramiques linéaires

  • Chaque point représente la même « chose », généralement suivie dans le temps

Graphique linéaire du cours boursier dans le temps

Introduction à la visualisation de données avec Seaborn

Données sur la pollution de l'air

  • Stations de collecte dans toute la ville
  • Échantillons d'air : niveaux de dioxyde d'azote

Cinq premières lignes du DataFrame sur la pollution de l'air

Introduction à la visualisation de données avec Seaborn

Nuage de points

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2_mean", 
            data=air_df_mean, 
            kind="scatter")

plt.show()

Nuage de points de la moyenne de dioxyde d'azote dans le temps

Introduction à la visualisation de données avec Seaborn

Graphique linéaire

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2_mean", 
            data=air_df_mean, 
            kind="line")

plt.show()

Graphique linéaire de la moyenne de dioxyde d'azote dans le temps

Introduction à la visualisation de données avec Seaborn

Sous-groupes par lieu

Cinq premières lignes du DataFrame de pollution de l'air par lieu

Introduction à la visualisation de données avec Seaborn

Sous-groupes par lieu

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2_mean", 
            data=air_df_loc_mean, 
            kind="line",
            style="location", 
            hue="location")

plt.show()

Graphique linéaire de la moyenne de dioxyde d'azote par région dans le temps

Introduction à la visualisation de données avec Seaborn

Ajouter des marqueurs

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2_mean", 
            data=air_df_loc_mean, 
            kind="line", 
            style="location", 
            hue="location",
            markers=True)

plt.show()

Graphique linéaire avec marqueurs ajoutés

Introduction à la visualisation de données avec Seaborn

Désactiver le style de ligne

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2_mean", 
            data=air_df_loc_mean, 
            kind="line", 
            style="location", 
            hue="location",
            markers=True,
            dashes=False)

plt.show()

Graphique linéaire avec marqueurs et lignes pleines

Introduction à la visualisation de données avec Seaborn

Observations multiples par valeur de x

Cinq premières lignes du DataFrame de pollution de l'air par station

Introduction à la visualisation de données avec Seaborn

Observations multiples par valeur de x

Nuage de points
import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2", 
            data=air_df, 
            kind="scatter")

plt.show()

Nuage de points du dioxyde d'azote pour toutes les stations dans le temps

Introduction à la visualisation de données avec Seaborn

Observations multiples par valeur de x

Graphique linéaire
import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2", 
            data=air_df, 
            kind="line")

plt.show()

Graphique linéaire du dioxyde d'azote pour toutes les stations dans le temps

Introduction à la visualisation de données avec Seaborn

Observations multiples par valeur de x

La zone ombrée est l'intervalle de confiance

  • Suppose que l'ensemble de données est un échantillon aléatoire
  • Confiance de 95 % que la moyenne se trouve dans cet intervalle
  • Indique l'incertitude de notre estimation

Graphique linéaire du dioxyde d'azote pour toutes les stations dans le temps

Introduction à la visualisation de données avec Seaborn

Remplacer l'intervalle de confiance par l'écart-type

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2", 
            data=air_df, 
            kind="line",
            errorbar="sd")

plt.show()

Graphique linéaire avec écart-type

Introduction à la visualisation de données avec Seaborn

Désactiver l'intervalle de confiance

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2", 
            data=air_df, 
            kind="line",
            errorbar=None)

plt.show()

Graphique linéaire sans intervalle de confiance

Introduction à la visualisation de données avec Seaborn

Passons à la pratique !

Introduction à la visualisation de données avec Seaborn

Preparing Video For Download...