Visualisation de données quantitatives en Python

La visualisation de données quantitatives en Python peut utiliser les bibliothèquesMatplotlibetSeaborn.

Pour installer Matplotlib et Seaborn, exécutez ce qui suit dans le terminal ou l'invite de commandes :

pip install matplotlib seaborn

Pour un contenu détaillé sur Matplotlib, vous pouvez consulter :Tutoriel Matplotlib

Ce chapitre présente principalement l'utilisation de la bibliothèque Seaborn.

Bibliothèque Seaborn

Seaborn est une bibliothèque de visualisation de données basée sur Matplotlib, axée sur le tracé de graphiques statistiques.

Seaborn fournit des interfaces de haut niveau et des thèmes de couleurs, ce qui facilite la création de beaux graphiques statistiques en Python.

L'objectif de Seaborn est de simplifier la visualisation de données tout en rendant les graphiques plus attrayants.

1. Création simple de graphiques statistiques

Seaborn fournit une série de fonctions de tracé intégrées qui vous permettent de créer facilement divers graphiques statistiques, tels que des diagrammes de dispersion, des histogrammes, des boîtes à moustaches, etc.

Exemple

import seaborn as sns
import matplotlib.pyplot as plt

# Créer un diagramme de dispersion
sns.scatterplot(x='sepal_length', y='sepal_width', data=iris)
plt.show()

2. Thèmes de couleurs intégrés

Seaborn propose des thèmes de couleurs intégrés qui facilitent la modification de l'apparence des graphiques et les rendent plus attrayants.

# 使用 Seaborn 颜色主题
sns.set(style="whitegrid")

3. Visualisation de jeux de données

Seaborn inclut plusieurs jeux de données intégrés qui peuvent être utilisés directement pour le tracé, par exemple les jeux de données tips et flights.

# 使用内置数据集
tips = sns.load_dataset("tips")

4. Visualisation de données catégorielles

Seaborn est très pratique pour manipuler des données catégorielles, ce qui vous permet de créer facilement des diagrammes à barres groupées, des boîtes à moustaches, etc.

# 创建分组柱状图
sns.barplot(x="day", y="total_bill", hue="sex", data=tips)

5. Visualisation de données matricielles

Seaborn fournit des fonctions spécialement conçues pour visualiser des données matricielles, telles que les cartes de chaleur.

# 创建热力图
corr_matrix = df.corr()
sns.heatmap(corr_matrix, annot=True, cmap="coolwarm")

6. Tracé en facettes

Seaborn prend en charge le tracé en facettes, qui crée plusieurs petits graphiques basés sur des sous-ensembles de données afin d'afficher les données de manière plus complète.

# 分面绘图
sns.relplot(x="total_bill", y="tip", hue="day", col="time", data=tips)

Seaborn offre un grand nombre d'options et de paramètres de tracé pour répondre aux différents types de besoins de visualisation de données.

Dans l'ensemble, Seaborn est une bibliothèque puissante et facile à utiliser, adaptée aussi bien aux débutants qu'aux scientifiques des données professionnels, aidant les utilisateurs à créer plus facilement des graphiques statistiques attrayants. Si vous connaissez déjà Matplotlib, Seaborn est un excellent complément qui vous permet de réaliser de la visualisation de données plus efficacement.

Exemple

Ensuite, nous utilisons Python pour un exemple quantitatif simple. Vous pouvez utiliser yfinance pour récupérer les données boursières de Guizhou Moutai (600519.SS), puis utiliser seaborn pour la visualisation de données.

Voici un exemple simple qui montre comment télécharger les données boursières de Moutai et utiliser seaborn pour tracer le graphique de tendance du cours de clôture :

Exemple

import yfinance as yf
import seaborn as sns
import matplotlib.pyplot as plt

# Obtenir les données boursières de Guizhou Moutai
maotai_data = yf.download("600519.SS", start="2020-01-01", end="2023-01-01")

# Sélectionner les données de cours de clôture
closing_prices = maotai_data['Close']

# Utiliser seaborn pour tracer le graphique de tendance
plt.figure(figsize=(12, 6))
sns.lineplot(x=closing_prices.index, y=closing_prices.values, label='Cours de clôture de Maotai')
plt.title('Cours de clôture de l’action Maotai au fil du temps')
plt.xlabel('Date')
plt.ylabel('Cours de clôture (CNY)')
plt.legend()
plt.show()

Exécutez le code ci-dessus, et le résultat de sortie est :

Autres extensions