Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment utiliser les styles ggplot dans les tracés Matplotlib



L’un des packages de visualisation de données les plus populaires dans le langage de programmation R est ggplot2 .

Pour appliquer le style ggplot2 à un tracé créé dans Matplotlib, vous pouvez utiliser la syntaxe suivante :

import matplotlib.pyplot as plt

plt.style.use('ggplot')

L’exemple suivant montre comment utiliser cette syntaxe dans la pratique.

Exemple : utilisation des styles ggplot dans les tracés Matplotlib

Supposons que nous ayons un tableau NumPy avec 1 000 valeurs :

import numpy as np

#make this example reproducible.
np.random.seed(1)

#create numpy array with 1000 values that follow normal dist with mean=10 and sd=2
data = np.random.normal(size=1000, loc=10, scale=2)

#view first five values
data[:5]

array([13.24869073,  8.77648717,  8.9436565 ,  7.85406276, 11.73081526])

Nous pouvons utiliser le code suivant pour créer un histogramme dans Matplotlib afin de visualiser la distribution des valeurs dans le tableau NumPy :

import matplotlib.pyplot as plt

#create histogram
plt.hist(data, color='lightgreen', ec='black', bins=15)

Pour appliquer le style ggplot2 à cet histogramme, nous pouvons utiliser plt.syle.use(‘ggplot’) comme suit :

import matplotlib.pyplot as plt

#specify ggplot2 style
plt.style.use('ggplot')

#create histogram with ggplot2 style
plt.hist(data, color='lightgreen', ec='black', bins=15)

style matplotib ggplot2

L’histogramme a désormais le style d’un tracé créé dans ggplot2.

À savoir, ce style ajoute un arrière-plan gris clair avec un quadrillage blanc et utilise des étiquettes de graduation d’axe légèrement plus grandes.

Notez que nous avons appliqué le style ggplot2 à un histogramme, mais l’instruction plt.style.use(‘ggplot’) peut être utilisée pour appliquer le style ggplot2 à n’importe quel tracé dans Matplotlib.

Remarque : Vous pouvez trouver d’autres feuilles de style disponibles à utiliser dans les tracés Matplotlib ici .

Ressources additionnelles

Les didacticiels suivants expliquent comment créer d’autres graphiques courants en Python :

Comment créer des graphiques à barres empilées dans Matplotlib
Comment créer un histogramme de fréquence relative dans Matplotlib
Comment créer un barplot horizontal dans Seaborn

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *