Cours : les graphiques en Python
Introduction pratique avec Matplotlib
Support de cours en LaTeX Beamer
10 avril 2026
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 1/1
Objectifs du cours
Comprendre à quoi servent les bibliothèques de visualisation en Python.
Créer les graphiques les plus courants : ligne, barres, histogramme, nuage de points.
Personnaliser un graphique : titre, axes, légende, couleurs, grille.
Organiser plusieurs graphiques avec des sous-figures.
Sauvegarder un graphique pour un rapport ou un projet.
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 2/1
Bibliothèques utiles
La base
Matplotlib est la bibliothèque de référence pour tracer des graphiques en Python.
Pour les données tabulaires
Pandas permet de manipuler facilement les données avant visualisation.
Pour un style plus moderne
Seaborn s’appuie sur Matplotlib et simplifie certains graphiques statistiques.
Import standard :
1 import matplotlib . pyplot as plt
2 import pandas as pd
3 import numpy as np
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 3/1
Premier graphique : une courbe
1 x = [1 , 2 , 3 , 4 , 5] plot() trace une courbe.
2 y = [2 , 4 , 3 , 7 , 6]
title() ajoute un titre.
3
4 plt . plot (x , y ) xlabel() et ylabel()
5 plt . title ( " Evolution " ) nomment les axes.
6 plt . xlabel ( " Temps " ) show() affiche le graphique.
7 plt . ylabel ( " Valeur " )
8 plt . grid ( True )
9 plt . show ()
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 4/1
Personnaliser une courbe
1 plt . plot (x , y ,
2 color = " darkblue " ,
3 linestyle = " --" ,
4 marker = " o " ,
5 linewidth =2 ,
6 label = " Serie A " )
7
8 plt . legend ()
9 plt . grid ( alpha =0.3)
0 plt . show ()
Option Rôle
color couleur de la courbe
linestyle style de ligne
marker symbole sur chaque point
linewidth épaisseur de la ligne
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 5/1
Graphique en barres
1 categories = [ " A " , " B " , " C " , " D " ] Quand l’utiliser ?
2 valeurs = [12 , 18 , 9 , 15] comparer des catégories ;
3
4 plt . bar ( categories , valeurs , présenter des effectifs ;
5 color = " skyblue " ) montrer des résultats discrets.
6 plt . title ( " Ventes par categorie " )
7 plt . ylabel ( " Quantite " )
8 plt . show ()
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 6/1
Histogramme
1 notes = [10 , 12 , 13 , 14 , 14 , 15 , 16 , Sert à visualiser une
2 16 , 17 , 18 , 18 , 19] distribution.
3
4 plt . hist ( notes , bins =5 , Le paramètre bins contrôle le
5 color = " orange " , nombre de classes.
6 edgecolor = " black " ) Très utile pour explorer les
7 plt . title ( " Distribution des notes " ) données.
8 plt . xlabel ( " Note " )
9 plt . ylabel ( " Frequence " )
10 plt . show ()
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 7/1
Nuage de points (scatter plot)
1 heures = [1 , 2 , 3 , 4 , 5 , 6] Met en évidence une relation
2 notes = [8 , 10 , 11 , 13 , 15 , 16] entre deux variables.
3
4 plt . scatter ( heures , notes , Permet de repérer tendances et
5 color = " crimson " , valeurs atypiques.
6 s =80)
7 plt . title ( " Heures de revision vs note " )
8 plt . xlabel ( " Heures " )
9 plt . ylabel ( " Note " )
10 plt . show ()
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 8/1
Tracer plusieurs courbes
1 annees = [2021 , 2022 , 2023 , 2024]
2 serie_a = [10 , 12 , 15 , 18]
3 serie_b = [8 , 11 , 14 , 17]
4
5 plt . plot ( annees , serie_a , marker = " o " , label = " Produit A " )
6 plt . plot ( annees , serie_b , marker = " s " , label = " Produit B " )
7
8 plt . title ( " Comparaison de deux produits " )
9 plt . xlabel ( " Annee " )
0 plt . ylabel ( " Chiffre " )
1 plt . legend ()
2 plt . show ()
Idée clé : on peut superposer plusieurs séries sur le même repère pour comparer leur évolution.
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 9/1
Sous-graphiques avec subplots
1 fig , axes = plt . subplots (1 , 2 , figsize =(10 , 4) )
2
3 axes [0]. bar ([ " A " , " B " , " C " ] , [5 , 7 , 6])
4 axes [0]. set_title ( " Barres " )
5
6 axes [1]. plot ([1 , 2 , 3] , [2 , 5 , 4] , marker = " o " )
7 axes [1]. set_title ( " Courbe " )
8
9 plt . tight_layout ()
0 plt . show ()
subplots() crée plusieurs zones de dessin.
tight_layout() améliore l’espacement.
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 10 / 1
Bonnes pratiques de visualisation
1 Choisir le bon type de graphique selon la question posée.
2 Donner un titre clair et nommer les axes.
3 Ne pas surcharger avec trop de couleurs ou d’effets.
4 Utiliser une légende seulement si nécessaire.
5 Vérifier que l’échelle raconte fidèlement les données.
Erreur fréquente
Un joli graphique peut être trompeur s’il manque de contexte ou si les axes sont mal choisis.
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 11 / 1
Sauvegarder un graphique
1 plt . plot (x , y )
2 plt . title ( " Mon graphique " )
3 plt . savefig ( " graphique . png " , dpi =300 ,
4 bbox_inches = " tight " )
5 plt . show ()
savefig() enregistre l’image.
dpi=300 convient bien pour l’impression.
bbox_inches="tight" évite les marges inutiles.
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 12 / 1
Exercice proposé
À faire :
1 Créer une liste de températures sur 7 jours.
2 Tracer une courbe de l’évolution de la température.
3 Ajouter un titre, les noms des axes et une grille.
4 Sauvegarder le graphique en PNG.
Bonus : représenter les mêmes données en barres et comparer le rendu.
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 13 / 1
Résumé
Matplotlib permet de produire rapidement des visualisations efficaces.
Les fonctions essentielles sont : plot, bar, hist, scatter.
Un bon graphique doit être lisible, juste et adapté au message.
La pratique reste le meilleur moyen de progresser.
Questions ?
Support de cours en LaTeX Beamer Cours : les graphiques en Python 10 avril 2026 14 / 1