Rendre vos visualisations efficaces

Améliorer vos visualisations de données en Python

Nick Strayer

Instructor

Qu'entend-on par « efficace » ?

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

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

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

# 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 à barres du nombre d'observations par année

Éliminer les légendes inutiles

Un graphique linéaire des valeurs de pollution sur plusieurs années, à côté d'un diagramme à barres du nombre d'observations par année, montrant que le diagramme à barres peut servir de légende au graphique linéaire

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 sur plusieurs années à côté d'un diagramme à barres du nombre d'observations où les couleurs des barres servent de légende au graphique linéaire

Passons à la pratique !

Améliorer vos visualisations de données en Python