De beaux graphiques avec python: mise en pratique

La pratique de la visualisation se fera, dans ce cours, en répliquant des graphiques qu’on peut trouver sur la page de l’open-data de la ville de Paris ici.

Ce TP vise à initier:

• Aux packages matplotlib et seaborn pour la construction de graphiques figés
• Au package plotly pour les graphiques dynamiques, au format HTML

Nous verrons par la suite la manière de construire des cartes facilement avec des formats équivalents.

Un sous-ensemble des données de paris open data a été mis à disposition sur pour faciliter l’import (élimination des colonnes qui ne nous servirons pas mais ralentissent l’import)

Premier graphique avec l’API matplotlib de pandas

Exercice 1: Importer les données et produire un premier graphique

1.. Importer les données velib. Attention, il s’agit de données compressées au format gzip, il faut donc utiliser l’option compression 2. En premier lieu, sans se préoccuper des éléments de style ni des labels des graphiques, reproduire les deux premiers graphiques de la page d’analyse des données: Les 10 compteurs avec la moyenne horaire la plus élevée et Les 10 compteurs ayant comptabilisés le plus de vélos.

Conseil: Pour obtenir un graphique ordonné du plus grand au plus petit, il faut avoir les données ordonnées du plus petit au plus grand. C’est bizarre mais c’est comme ça…

On peut remarquer plusieurs éléments problématiques (par exemple les labels) mais aussi des éléments ne correspondant pas (les titres des axes, etc.) ou manquants (le nom du graphique…)

Comme les graphiques produits par pandas suivent la logique très flexible de matplotlib, il est possible de les customiser. Cependant, c’est souvent beaucoup de travail et il peut être préférable de directement utiliser seaborn, qui offre quelques arguments prêts à l’emploi

Utiliser directement seaborn

Vous pouvez repartir des deux dataframes précédents. On va suppose qu’ils se nomment df1 et df2. Réinitialiser l’index pour avoir une colonne ‘Nom du compteur’

Exercice 2: un peu de style

Il y a plusieurs manières de faire un bar plot en seaborn. La plus flexible, c’est-à-dire celle qui permet le mieux d’interagir avec matplotlib est catplot

1. Refaire le graphique précédent avec la fonction adéquate de seaborn. Pour contrôler la taille du graphique vous pouvez utiliser les arguments height et aspect
2. Ajouter les titres des axes et le titre du graphique pour le premier graphique

## <seaborn.axisgrid.FacetGrid object at 0x000000002F0CC4A8>

Si vous désirez colorer en rouge l’axe des x, vous pouvez pré-définir un style avec sns.set_style("ticks", {"xtick.color": "red"})

## <seaborn.axisgrid.FacetGrid object at 0x000000002F188898>

Exercice 3: refaire les graphiques

Certaines opérations vont nécessiter un peu d’agilité dans la gestion des dates. Avant cela, il faut créer une variable temporelle (datetime). Pour cela, vous pouvez faire:

.to_period(‘M’)

1. Refaire le graphique *Les 10 compteurs ayant comptabilisés le plus de vélos *
2. Refaire le graphique *Moyenne mensuelle des comptages vélos *. Pour cela, vous pouvez utiliser .dt.to_period('M') pour transformer un timestamp en variable de mois
3. Refaire le graphique Moyenne journalière des comptages vélos (créer d’abord une variable de jour avec .dt.day)
4. Refaire le graphique *Comptages vélo au cours des 7 derniers jours * (de l'échantillon)

## <seaborn.axisgrid.FacetGrid object at 0x000000002F1EBF28>

## <seaborn.axisgrid.FacetGrid object at 0x000000002F1FBA20>

Des graphiques dynamiques avec Plotly

Le package Plotly est une surcouche à la librairie Javascript Plotly.js qui permet de créer et manipuler des objets graphiques de manière très flexible afin de produire des objets réactifs sans avoir à recourir à Javascript.

Le point d’entrée recommandé est le module Plotly Express (documentation ici) qui offre une arborescence riche mais néanmoins intuitive pour construire des graphiques (objets plotly.graph_objects.Figure) pouvant être modifiés a posteriori si besoin (par exemple pour customiser les axes).

Comment visualiser un graphique plotly ?

Dans un notebook Jupyter classique, les lignes suivantes de code permettent d’afficher le résultat d’une commande Plotly sous un bloc de code:

from plotly.offline import init_notebook_mode
init_notebook_mode(connected = True)

Pour JupyterLab, l’extension jupyterlab-plotly s’avère nécessaire:

jupyter labextension install jupyterlab-plotly

Pour les utilisateurs de python via l’excellent package R reticulate, il est possible d'écrire le résultats dans un fichier .html et d’utiliser htmltools::includeHTML pour l’afficher via R Markdown (les utilisateurs de R trouveront bien-sûr une technique bien plus simple: utiliser directement le package R plotly…)

Réplication de l’exemple précédent avec plotly

Les modules suivant seront nécessaires pour construire des graphiques avec plotly:

Exercice 4: le premier graphique avec plotly

L’objectif est de reconstuire le premier diagramme en barre avec plotly

1. Utiliser la fonction adéquate avec Plotly Express. Ne pas prendre le thème par défaut mais un à fond blanc, pour avoir un résultat ressemblant à celui proposé sur le site de l’open-data. Pour la couleur rouge, vous pouvez utiliser l’argument color_discrete_sequence.
2. Ne pas oublier de nommer les axes, et la couleur du texte de l’axe inférieur
3. Tester un autre thème, à fond sombre. Pour les couleurs, faire un groupe stockant les trois plus fortes valeurs puis les autres.

Le résultat devrait ressembler aux deux graphiques suivants: