;
Aller au contenu
Moncoachdata
  • Accueil
  • Blog
  • Tutos
  • Coaching
  • Programme Data
Connexion
Moncoachdata
Logo Numpy

Maîtriser NumPy : Le compagnon indispensable pour les Data Lovers

9
  • Principes de base des tableaux Numpy
  • Inspection de tableaux array de NumPy
  • Opérations sur les tableaux NumPy
  • Travailler avec des tableaux Numpy
  • NumPy pour le nettoyage de données
  • NumPy pour l’analyse statistique
  • NumPy pour l’algèbre linéaire
  • Techniques avancées pour NumPy
  • Optimisation des performances avec NumPy
Logo Pandas

Pandas : Un manuel complet pour les Data Lovers

10
  • Structures de données Pandas
  • Chargement et inspection des données dans Pandas
  • Sélection et indexation des données avec Pandas
  • Nettoyage de données avec Pandas
  • Manipulation de données avec Pandas
  • Agrégations de données avec Pandas
  • Visualisations de données avec Pandas
  • Traitement des données de séries temporelles avec Pandas
  • Traitement des données catégorielles avec Pandas
  • Pandas : Sujets avancés
Logo Matplotlib

Maîtriser Matplotlib : Un guide complet pour la visualisation de données

4
  • Tracé de base Matplotlib
  • Types de diagrammes Matplotlib
  • Multiples subplots Matplotlib
  • Matplotlib : Fonctionnalités avancées
Logo Seaborn

Maîtriser Seaborn : Démystifier les diagrammes complexes

6
  • Introduction Seaborn
  • Diagrammes catégoriels avec Seaborn
  • Diagrammes univariés avec Seaborn
  • Diagrammes bivariés avec Seaborn
  • Diagrammes multivariés avec Seaborn
  • Diagrammes matriciels avec Seaborn
Logo Plotly

Maîtriser Plotly : Laisse tes visualisations parler à travers Plotly

3
  • Modules importants de Plotly
  • Diagrammes de base avec Plotly
  • Plotly : diagrammes avancés
Logo Machine Learning

Machine Learning : Explorer ses nombreuses formes

5
  • Comment fonctionne le Machine Learning ?
  • Apprentissage automatique supervisé
  • Apprentissage Automatique non Supervisé
  • Apprentissage semi-supervisé
  • Apprentissage par renforcement
View Categories

Modules importants de Plotly

Temps de lecture: 1 min read

0:00 / 2:28
  • View as Markdown Open this page as plain Markdown (opens in a new tab)
  • Open in ChatGPT Ask questions about this page (opens in a new tab)
  • Open in Claude Ask questions about this page (opens in a new tab)
  • Open in Google AI Studio Ask questions about this page (Google account required) (opens in a new tab)
  • Open in Perplexity Ask questions about this page (opens in a new tab)
  • Open in Grok Ask questions about this page (opens in a new tab)

Plotly propose plusieurs modules, chacun avec son objectif. Voyons les trois que tu rencontreras le plus souvent, et comment choisir entre eux.

plotly.express : l’API de haut niveau #

plotly.express est une API de haut niveau pour créer des visualisations rapidement, avec un minimum de code. Importe-la avec :

import plotly.express as px
Python

Avec Plotly Express, tu passes d’abord le DataFrame, puis, pour les paramètres x et y, il te suffit d’indiquer le nom des colonnes : la bibliothèque est entièrement compatible avec les DataFrames Pandas. Exemple :

df = px.data.tips()
fig = px.scatter(df, x="total_bill", y="tip", color="sex")
fig.show()
Python

plotly.graph_objects : le contrôle total #

plotly.graph_objects fait partie du cœur de Plotly. Il sert à créer une large gamme de diagrammes et permet de personnaliser chaque détail. Importe-le avec :

import plotly.graph_objects as go
Python

Avec ce module, tu ne passes pas un DataFrame mais directement les séries pour les paramètres x et y :

fig = go.Figure(go.Scatter(x=df["total_bill"], y=df["tip"], mode="markers"))
fig.show()
Python

En pratique, Plotly Express construit lui-même des objets graph_objects : tu peux donc créer une figure avec Express, puis l’affiner avec les méthodes update_traces() et update_layout().

plotly.offline : travailler hors ligne #

Dans certains cas, tu veux travailler avec Plotly hors ligne, par exemple pour générer des visualisations destinées à un usage hors ligne ou à des notebooks Jupyter. Le module plotly.offline servait à cela.

À noter : depuis Plotly 4, le mode hors ligne est le comportement par défaut. Tu n’as plus besoin de plotly.offline : fig.show() suffit pour afficher une figure dans un notebook ou dans le navigateur, et fig.write_html('graphique.html') l’enregistre en fichier HTML autonome.

Lequel choisir ? #

  • Plotly Express pour les diagrammes courants, en une ligne de code ;
  • Graph Objects pour les diagrammes plus complexes ou très personnalisés, en combinant plusieurs tracés dans une même figure.

Mets-les en pratique dans le tutoriel suivant : diagrammes de base avec Plotly.

Pour comparer les bibliothèques de visualisation, consulte aussi notre article sur les 4 alternatives puissantes pour la visualisation de données.

Plotly, c’est bien. Savoir quoi tracer, c’est mieux. Le cours Analyse et visualisation de données te forme à l’exploration puis à la communication de tes analyses.

Maitriser Plotly

Partager ce tuto :

  • Facebook
  • X
  • LinkedIn
Plotly : diagrammes avancésDiagrammes de base avec Plotly
Table des matières
  • plotly.express : l'API de haut niveau
  • plotly.graph_objects : le contrôle total
  • plotly.offline : travailler hors ligne
  • Lequel choisir ?

Apprentissage

  • Cours accéléré NumPy
  • Nos programmes Data
  • TOP 50 fonctions NumPy
  • MasterClass DS & ML
  • MasterClass Deep Learning
  • Mon Shot de Data Science
  • Tutoriels Data Science

Le site

  • Articles
  • Coaching
  • Communauté
  • Newsletter
  • Connexion

À propos

  • CGV
  • Contact
Payment Options
Reçois chaque semaine mes meilleures pratiques en Data Science :

© 2026 MonCoachData - Data Science & Machine Learning

YouTube Discord GitHub Linkedin RSS
Défiler vers le haut
  • Accueil
  • Blog
  • Tutos
  • Coaching
  • Programme Data
Connexion
Discord DiscordYouTube YouTube
Rechercher