Lycée Secondaire Imtièze de Sidi Hassine

Support de cours pour les élèves de 4ème

Economie & Gestion

2 0 2 4 / 2 0 2 5
A / Analyse des données avec pandas
A.1 / Installation de la bibliothèque pandas

Lancer l’éditeur "Thonny" → Menu "Outils" → Commande "Gérer les paquets…" → Chercher le
packet "pandas" dans la liste à gauche et l’installer.
A.2 / Importation de la bibliothèque pandas
❖ Syntaxe :

import pandas as alias
ou bien :
import pandas
ou encore :
from pandas import *
A.3 / Création d’un DataFrame
On peut créer un dataframe directement en utilisant la fonction DataFrame( ) du module pandas.
❖ Syntaxe :

df=[Link]({"Id_Colonne1":["Val1",…,"ValN"],…,"Id_ColonneM":[Val1,…,ValN]})
❖ Explication détaillée :
Commande Description
DataFrame Créer un dataframe
Id_Colonne1 Les noms des colonnes qui composent le dataframe
Id_Colonne2
…
Id_colonneM
Les valeurs de chaque colonne, elles doivent être écrites
["Val1",…,"ValN"] entre guillemets "" lorsqu’elles sont de type texte, si elles
sont de type numérique alors pas de guillemets.
❖ Exemple :

import pandas as ps
df=[Link]({"Id_eleve":["E001","E002","E003"],
"Nom_Prenom":["Tounsi Mohamed","Nasri Sawssen","Hammemi Hanene"],
"Classe":["4EG1","3Math2","4SI1"],
"Moyenne":[12.55,16.25,17.33]})
Résultat du code :

A.4 / Création d’un DataFrame à partir des sources de données externes

A.4.a) Importation des fichiers csv
L’importation des fichiers csv se fait avec la fonction read_csv( ) du module pandas.
❖ Syntaxe :

df=pandas.read_csv("Chemin\Nom_Fichier.extension", sep = "séparateur")

Tutoriel Python(Pandas&Matplotlib) Page 1

❖ Explication détaillée :
Commande Description
read_csv Lire un fichier de type csv
Chemin : Le chemin physique du fichier sur le disque dur.
Nom_Fichier : Le nom du fichier.
Chemin\Nom_Fichier.extension
Extension : .csv pour les fichiers de type tableur dont les
valeurs sont séparées par des virgules.
Elle permet d’indiquer le séparateur qui sépare les données.
Les séparateurs les plus utilisés sont :
 "\t" : Les données seront séparées par une tabulation
sep = séparateur
(séparateur par défaut en cas d’omission).
 "," : Les données seront séparées par une virgule.
 ";" : Les données seront séparées par un point-virgule.
❖ Exemple :

import pandas as ps
df=ps.read_csv("[Link]",sep=";")
A.4.b) Importation des fichiers Excel
L’importation des fichiers Excel se fait avec la fonction read_excel( ) du module pandas. Mais avant
d’utiliser cette fonction, il faut installer la bibliothèque xlrd (qui permet la lecture d’un fichier Excel).
❖ Syntaxe :

df=pandas.read_excel("Chemin\Nom_Fichier.xls", "Nom_Feuille")
❖ Explication détaillée :
Commande Description

read_excel Lecture du fichier Excel

Chemin\Nom_Fichier.xls Chemin : Le chemin physique du fichier sur le lecteur
ou bien Nom_Fichier : Le nom du fichier
Chemin\Nom_Fichier.xlsx L’extension : .xls ou .xlsx
Nom_Feuille Nom de la feuille de calcul à manipuler.
❖ Exemple :

import pandas
df = pandas.read_excel("[Link]","Feuil01")
A.5 / Manipulation d’un dataframe
A.5.a) Affichage des dimensions concernant un dataframe
Pour afficher les dimensions d’un dataframe, on utilise l’instruction shape comme suit :
❖ Syntaxe :

print([Link])
❖ Exemple :
 
Le code L’affichage
import pandas as ps (6, 3)
df=ps.read_csv ("[Link]" , sep= ";") En fait ce dataframe est composé de 6 lignes et 3
print([Link]) colonnes.
NB :
➢ Pour afficher seulement le nombre de lignes d’un dataframe, on utilise le code suivant :
print([Link][0])

Tutoriel Python(Pandas&Matplotlib) Page 2

 ➢ Pour afficher seulement le nombre de colonnes d’un dataframe, on utilise le code suivant :
print([Link][1])
A.5.b) Affichage du nombre d’éléments d’un dataframe
Pour afficher le nombre d’éléments d’un dataframe, on utilise l’instruction size comme suit :
❖ Syntaxe :

print([Link])
❖ Exemple :
 
Le code L’affichage
import pandas as ps 18
df=ps.read_csv ("[Link]" , sep= ";") C’est le résultat du produit du nombre de lignes
print([Link]) par celui des colonnes. (6*3=18)
A.5.c) Affichage des informations concernant un dataframe
Pour afficher les données d’un dataframe, on utilise l’instruction info( ) comme suit :
❖ Syntaxe :

print([Link]())
❖ Exemple :
 
Le code L’affichage
import pandas as ps
df=ps.read_csv ("[Link]" , sep= ";")
print([Link]())

A.5.d) Affichage des noms des colonnes d’un dataframe

Pour afficher les informations sur les colonnes, on utilise l’instruction suivante

Syntaxe Description Exemple Résultat

Retourne les import pandas as ps
Index(['Pays', 'Superficie',
[Link] noms des df=ps.read_csv("[Link]",sep=";") 'Habitant'], dtype='object')
colonnes print (df. columns)
A.5.e) Ajout d’une colonne dans un dataframe
Pour ajouter une colonne remplie par des données dans un dataframe, on utilise l’instruction ayant la
syntaxe suivante :
❖ Syntaxe :

IdDataframe["Nom_Colonne"]=valeur (ou formule)
❖ Exemple :
Ajouter la colonne "Densité" pour les pays sachant que Densité = Nombre d’habitant/Superficie.

Le code :
import pandas as ps
df=ps.read_csv("[Link]",sep=";")
df["Densité"]=[Link]/[Link]
print (df)
NB : on peut écrire aussi : df["Densité"]=df["Habitant"]/df["Superficie"]

Tutoriel Python(Pandas&Matplotlib) Page 3

 
L’affichage :

A.5.f) Renommage des libellés d’une ou de plusieurs colonnes

Pour renommer les libelles d’une ou plusieurs colonnes, on utilise l’instruction rename comme suit :
❖ Syntaxe :

[Link](columns={"Colonne1": "Nouveau_Colonne1","Colonne2":
"Nouveau_Colonne2",…})
❖ Exemple :
Renommer la colonne "Pays" par "Nom_Pays", il faut :

Le code :
import pandas as ps
df=ps.read_csv ("[Link]",sep=";")
[Link](columns={"Pays": "Nom_Pays"})
print(df)
 
dataframe avant exécution du code Affichage après exécution du code
Pays Superficie Habitant Nom_Pays Superficie Habitant
0 Russ 17098242 146781095 0 Russ 17098242 146781095
1 Canada 998467 37560207 1 Canada 998467 37560207
2 USA 9826675 331883986 2 USA 9826675 331883986
3 Chine 9596961 1394112547 3 Chine 9596961 1394112547
4 Brésil 8514877 210301591 4 Brésil 8514877 210301591
5 Australie 774122 25105503 5 Australie 774122 25105503
A.5.g) Suppression d’une ou plusieurs colonnes
Pour supprimer une (ou plusieurs) colonne, on utilise la commande drop comme suit :
❖ Syntaxe :

[Link](columns=["Nom_Colonne1",…,"Nom_ColonneN"])
❖ Exemple :
Pour supprimer la colonne "Habitant", il faut écrire :

Le code :
import pandas as ps
df=ps.read_csv ("[Link]",sep=";")
[Link](columns=["Habitant"])
print (df)
 
dataframe avant exécution du code Affichage après exécution du code
Pays Superficie Habitant Pays Superficie
0 Russ 17098242 146781095 0 Russ 17098242
1 Canada 998467 37560207 1 Canada 998467
Tutoriel Python(Pandas&Matplotlib) Page 4
 2 USA 9826675 331883986 2 USA 9826675
3 Chine 9596961 1394112547 3 Chine 9596961
4 Brésil 8514877 210301591 4 Brésil 8514877
5 Australie 774122 25105503 5 Australie 774122
A.5.h) Suppression d’une ligne
Pour supprimer une ligne, on utilise la commande drop comme suit :
❖ Syntaxe :

[Link]([N°_ligne])
❖ Exemple :
Pour supprimer la ligne N°2 du dataframe df, il faut :

Le code :
import pandas as ps
df=ps.read_csv ("[Link]",sep=";")
df=[Link]([2])
print (df)
 
dataframe avant exécution du code Affichage après exécution du code

A.5.i) Suppression de lignes non consécutives

Pour supprimer des lignes non consécutives, on utilise la commande drop comme suit :
❖ Syntaxe :

[Link]([N°_ligne1,N°_ligne2,…,N°_ligneN])
❖ Exemple :
Pour supprimer les lignes N°1, 3 et du dataframe df, il faut :

Le code :
import pandas as ps
df=ps.read_csv ("[Link]",sep=";")
df=[Link]([1,3,5])
print (df)
 
dataframe avant exécution du code Affichage après exécution du code

A.5.j) Suppression de lignes consécutives

Pour supprimer des lignes consécutives, on utilise la commande drop comme suit :
❖ Syntaxe :

[Link]([Link][N°_ligne_initial : N°_ligne_final+1])
Tutoriel Python(Pandas&Matplotlib) Page 5
❖ Exemple :
Pour supprimer les lignes de la ligne N°1 à la ligne N°4 du dataframe df, il faut :

Le code :
import pandas as ps
df=ps.read_csv ("[Link]",sep=";")
df=[Link]([Link][1:5])
print (df)
 
dataframe avant exécution du code Affichage après exécution du code

A.5.k) Accès aux données d’un dataframe

Pour accéder aux données d’un dataframe, on peut utiliser les instructions suivantes :
Syntaxe : print(IdDataframe)

Description Exemple Résultat

Pays Superficie Habitant
Retourne les données 0 Russ 17098242 146781095
d’un dataframe (affiche import pandas as ps 1 Canada 998467 37560207
df=ps.read_csv("[Link]",sep= ";") 2 USA 9826675 331883986
le contenu d’un 3 Chine 9596961 1394112547
print (df)
dataframe). 4 Brésil 8514877 210301591
5 Australie 774122 25105503

Syntaxe : print([Link](n))

Description Exemple Résultat

Pays Superficie Habitant
import pandas as ps 0 Russ 17098242 146781095
Affiche les n premières 1 Canada 998467 37560207
df=ps.read_csv("[Link]",sep=";")
lignes. 2 USA 9826675 331883986
print ([Link](3))

Syntaxe : print([Link](n))

Description Exemple Résultat

import pandas as ps Pays Superficie Habitant

Affiche les n dernières
df=ps.read_csv("[Link]",sep=";") 4 Brésil 8514877 210301591
lignes. 5 Australie 774122 25105503
print ([Link](2))

print(IdDataframe.Nom_Colonne) ou bien
Syntaxe :
print(IdDataframe["Nom_Colonne"])
Description Exemple Résultat

Tutoriel Python(Pandas&Matplotlib) Page 6

 0 Russ
1 Canada
Affiche le contenu d’une import pandas as ps 2 USA
df=ps.read_csv("[Link]",sep=";") 3 Chine
colonne 4 Brésil
print([Link])
5 Australie
Name: Pays, dtype: object

Syntaxe : print(IdDataframe[["Nom_Colonne1","Nom_Colonne2"]])

Description Exemple Résultat

Pays Habitant
0 Russ 146781095
Affiche les données de import pandas as ps 1 Canada 37560207
la colonne1 et de df=ps.read_csv("[Link]",sep=";") 2 USA 331883986
print(df[["Pays","Habitant"]]) 3 Chine 1394112547
colonne2
4 Brésil 210301591
5 Australie 25105503

Syntaxe : print([Link][N°Ligne_Initiale : N°Ligne_Finale])

Description Exemple Résultat

Affiche le contenu des Pays Superficie Habitant Densité
lignes entre une position import pandas as ps 1 Canada 998467 37560207 37.617875
df=ps.read_csv("[Link]",sep=";") 2 USA 9826675 331883986 33.773783
initiale et une position 3 Chine 9596961 1394112547 145.266043
print ([Link][1:4])
finale. 4 Brésil 8514877 210301591 24.698136
print(IdDataframe.nom_colonne[Position_Initiale:Position_Finale])
Syntaxe : ou bien
print(IdDataframe["nom_colonne"] [Position_Initiale:Position_Finale])
Description Exemple Résultat
Affiche le contenu d’une 2 USA
colonne entre une import pandas as ps
3 Chine
df=ps.read_csv("[Link]",sep=";") 4 Brésil
position initiale et une
print ([Link][2:5]) Name: Pays, dtype: object
position finale – 1.
Syntaxe : print([Link][N°Ligne,"NomColonne"])

Description Exemple Résultat

Affiche le contenu d’une import pandas as ps
df=ps.read_csv("[Link]",sep=";") Australie
cellule.
print ([Link][5])
A.5.l) Affichage des données d’un dataframe selon une ou plusieurs conditions
Pour afficher des données d’un dataframe selon une condition, on utilise l’instruction suivante :
❖ Syntaxe :

print(IdDataframe[dataframe["nom colonne"] opérateur_comparaison valeur])
LES OPERATEURS DE COMPARAISON

Opérateur Nomination Rôle Exemple Résultat

Vérifie qu'une
opérateur print (df[df["Superficie"] Pays Superficie Habitant
== d'égalité
variable est égale à
== 9826675] ) 2 USA 9826675 331883986
une valeur

Tutoriel Python(Pandas&Matplotlib) Page 7

 Vérifie qu'une Pays Superficie Habitant
opérateur variable est 1 Canada 998467 37560207
print (df[df["Superficie"]
< d'infériorité strictement
<9826675] )
3 Chine 9596961 1394112547
stricte inférieure à une 4 Brésil 8514877 210301591
valeur 5 Australie 774122 25105503
Pays Superficie Habitant
Vérifie qu'une 1 Canada 998467 37560207
opérateur variable est print (df[df["Superficie"] 2 USA 9826675 331883986
<= d'infériorité inférieure ou égale <=9826675] ) 3 Chine 9596961 1394112547
à une valeur 4 Brésil 8514877 210301591
5 Australie 774122 25105503
Vérifie qu'une
opérateur de variable est
print (df[df["Superficie"] Pays Superficie Habitant
> supériorité strictement
> 9826675] ) 0 Russ 17098242 146781095
stricte supérieure à une
valeur
Vérifie qu'une
Pays Superficie Habitant
opérateur de variable est print (df[df["Superficie"]
>= supériorité supérieure ou égale >= 9826675] )
0 Russ 17098242 146781095
2 USA 9826675 331883986
à une valeur
Pays Superficie Habitant
Vérifie qu'une 0 Russ 17098242 146781095
print
opérateur de variable est 1 Canada 998467 37560207
!= différence différente d'une
(df[df["Superficie"]!= 3 Chine 9596961 1394112547
valeur 9826675] ) 4 Brésil 8514877 210301591
5 Australie 774122 25105503
Vérifier que la
print Pays Superficie Habitant
dans valeur d’une
isin (∈ 𝑒𝑛 𝑚𝑎𝑡ℎ) variable est dans
(df[df["Superficie"].isin 0 Russ 17098242 146781095
une liste de valeurs ([9826675,17098242])]) 2 USA 9826675 331883986

Pour afficher des données d’un dataframe selon plusieurs conditions, on utilise l’instruction :
❖ Syntaxe :

print(IdDataframe[(IdDataframe ["Nom_Colonne"] Opérateur_Comparaison Valeur)
Opérateur_Logique (IdDataframe ["Nom_Colonne"] Opérateur_Comparaison Valeur)])
LES OPERATEURS LOGIQUES
Opérateur Nomination Rôle Exemple Résultat
print (df[ Pays Superficie Habitant
Vérifie qu'une
0B (df["Superficie"] >= 0 Russ 17098242 146781095
| OU logique des conditions est 9826675) | 2 USA 9826675 331883986
réalisée (df["Superficie"] >= 3 Chine 9596961 1394112547
1000000)] ) 4 Brésil 8514877 210301591

print (df[
Vérifie que toutes (df["Superficie"]>= Pays Superficie Habitant
& ET logique les conditions 9826675) & 0 Russ 17098242 146781095
sont réalisées (df["Superficie"]>= 2 USA 9826675 331883986
1000000)] )
A.5.m) Tri d’un dataframe
Pour trier les données d’un dataframe, on utilise l’instruction suivante :
❖ Syntaxe :

IdDataframe_trié=IdDataframe.sort_values(by=["NomColonne1","NomColonne2",…] ascending
=[True/False,True/False,…])

Tutoriel Python(Pandas&Matplotlib) Page 8

❖ Exemple :
Trier le dataframe df selon la Superficie des pays dans un ordre décroissant, puis selon le nombre
d’habitants dans un ordre croissant.

Le code
import pandas as ps
df=ps.read_csv("[Link]",sep=";")
df=df.sort_values(by = ["Superficie","Habitant"],ascending = [False,True])
print (df)
 
dataframe avant exécution du code Affichage après exécution du code
Pays Superficie Habitant Pays Superficie Habitant
0 Russ 17098242 146781095 0 Russ 17098242 146781095
1 Canada 998467 37560207 1 USA 9826675 331883986
2 USA 9826675 331883986 2 Chine 9596961 1394112547
3 Chine 9596961 1394112547 3 Brésil 8514877 210301591
4 Brésil 8514877 210301591 4 Canada 998467 37560207
5 Australie 774122 25105503 5 Australie 774122 25105503
A.5.n) Modification du contenu d’une cellule d’un dataframe
Pour modifier le contenu d’une cellule dans un dataframe, on utilise l’instruction suivante :
❖ Syntaxe :

[Link][N°_ligne, "Nom_colonne"]=Valeur (ou formule)
❖ Exemple :
Corriger le nom du premier pays de "Russ" en "Russie".

Le code
import pandas as ps
df=ps.read_csv("[Link]",sep=";")
print(df)
[Link][0,"Pays"]="Russie"
print(df)
 
dataframe avant exécution du code Affichage après exécution du code
Pays Superficie Habitant Pays Superficie Habitant
0 Russ 17098242 146781095 0 Russie 17098242 146781095
1 Canada 998467 37560207 1 Canada 998467 37560207
2 USA 9826675 331883986 2 USA 9826675 331883986
3 Chine 9596961 1394112547 3 Chine 9596961 1394112547
4 Brésil 8514877 210301591 4 Brésil 8514877 210301591
5 Australie 774122 25105503 5 Australie 774122 25105503
A.5.o) Modification/Ajout des données d’une ligne d’un dataframe
Pour modifier le contenu d’une ligne d’un dataframe, ou encore ajouter une nouvelle ligne, on utilise
l’instruction suivante :
❖ Syntaxe :

[Link][N°_ligne]=[La liste des valeurs]
❖ Exemple :
Ajouter à la fin du dataframe les informations concernant la Tunisie avec une superficie de 162155 et
un nombre d’habitants =11582075.

Tutoriel Python(Pandas&Matplotlib) Page 9

 
Le code
import pandas as ps
df=ps.read_csv("[Link]",sep=";")
print (df)
[Link][6] =["Tunisie",162155,11582075]
print (df)
 
dataframe avant exécution du code Affichage après exécution du code

A.5.p) Suppression des doublons dans d’un dataframe

Pour supprimer les doublons d’un dataframe, on utilise l’instruction drop_duplicates( ) comme suit :
❖ Syntaxe :

IdDataframe = IdDataframe.drop_duplicates()
❖ Exemple :
Supprimer les doublons du dataframe df :

Le code :
import pandas as ps
df=ps.read_csv("[Link]",sep=";")
print (df)
df=df.drop_duplicates()
print (df)
 
dataframe avant exécution du code Affichage après exécution du code

A.5.q) Suppression des lignes/colonnes contenant des valeurs nulles

Pour supprimer les lignes contenant des valeurs nulles dans un dataframe, on utilise l’instruction
dropna( ) comme suit :
❖ Syntaxe :

IdDataframe = [Link]()
❖ Exemple :
Supprimer les lignes contenant des valeurs nulles du dataframe df :

Le code :
import pandas as ps
df=ps.read_csv("[Link]",sep=";")
print (df)
df=df.drop_duplicates()
print (df)
Tutoriel Python(Pandas&Matplotlib) P a g e 10
  
dataframe avant exécution du code Affichage après exécution du code

Pour supprimer les colonnes contenant des valeurs nulles dans un dataframe, on utilise l’instruction
dropna( ) comme suit :
❖ Syntaxe :

IdDataframe = [Link](axis=1)
❖ Exemple :
Supprimer les colonnes contenant des valeurs nulles du dataframe df :

Le code :
import pandas as ps
df=ps.read_csv("[Link]",sep=";")
print (df)
df=[Link](axis=1)
print (df)
 
dataframe avant exécution du code Affichage après exécution du code

A.5 / Les fonctions statistiques sur les dataframes

Fonction Description Exemple Résultat

La somme des #la somme des surfaces

sum() 46971499
éléments print([Link]())
Le nombre
d’éléments d’un #le nombre de pays dans le
count() objets (ou series, dataframe 7
dataframe, liste, print([Link]())
etc)

La moyenne des #La moyenne des habitants

mean() 308189572.0
éléments print([Link]())

Le minimum #La surface la plus petite

min() 162155
des éléments print([Link]())

Tutoriel Python(Pandas&Matplotlib) P a g e 11
 Le maximum #La surface la plus grande
max() 17098242
des éléments print([Link]())

Important : groupby
Dans certains cas, ces fonctions ne peuvent pas être appliquées seules. Exemples si on veut
calculer le nombre des élèves de chaque classe dans un dataframe qui contient tous les élèves d’un
lycée, ou encore si on veut afficher la meilleure moyenne pour chaque classe.
Prenons cet exemple, on a le fichier excel "liste_employes.xlsx" qui contient tous les renseignements
concernant les employés dans une entreprise. On se propose de calculer et afficher : le nombre total
des emplyés, le nombre total des employés par genre (nombre d’hommes, nombre de femmes),
le salaire moyen de tous les employés et le salaire moyen des employés par genre.
Pour trouver ces valeurs on doit utiliser la fonction groupby de pandas comme suit :
❖ Syntaxe :

print([Link](["Id_colonne"]).NomFonction)
❖ Exemple 1 :
Calculer et afficher le nombre total des employés par genre (nombre d’hommes, nombre de femmes).
 
Le code L’affichage
import pandas as ps
df=ps.read_excel("liste_employes.xlsx","employés")
print([Link](),"employés")
print([Link](["Genre"]).[Link]())

❖ Exemple 2 :
Calculer et afficher le salaire moyen de tous les employés et le salaire moyen des employés par genre.
 
Le code L’affichage
import pandas as ps
df=ps.read_excel("liste_employes.xlsx","employés")
print([Link](),"dinars")
print([Link](["Genre"]).[Link]())

B / Présentation des données à travers des graphiques :

B.1 / Installation de la bibliothèque matplotlib

Lancer l’éditeur "Thonny" → Menu "Outils" → Commande "Gérer les paquets…" → Chercher le
packet "matplotlib" dans la liste à gauche et l’installer.
B.2 / Importation de la bibliothèque matplotlib
❖ Syntaxe :

import [Link] as alias
ou bien
import [Link]
B.3 / Création d’un graphique à Barres
❖ Syntaxe :
Pour créer un graphique à barres, on utilise l’instruction suivante :

[Link](x="NomColonneAbscisse",y="NomColonneOrdonnée",title="TitreGraphique",
color="Couleur")

Tutoriel Python(Pandas&Matplotlib) P a g e 12
❖ Explication détaillée :
Commande Description
[Link] Un graphique de type Barre.

x="NomColonneAbscisse" Nom de la colonne à représenter sur l’axe des X.

y="NomColonneOrdonnée" Nom de la colonne à représenter sur l’axe des Y.

title="TitreGraphique" Titre du graphique.

La couleur de la barre, elle doit être en anglais (red pour
color = "Couleur"
rouge, blue pour bleu, green pour vert,…)
alias_matplotlib.show() Afficher le graphique
❖ Exemple :
Créer un graphique à barres qui permet de représenter pour chaque pays sa densité.

Le code :
import pandas as ps
import [Link] as plt
df=ps.read_csv("[Link]",sep=";")
[Link](x="Pays",y="Densité",title="Densité/Pays",color="red")
[Link]()

L’affichage :

B.4 / Création d’un graphique en courbe

❖ Syntaxe :
Pour créer un graphique en courbe, on utilise l’instruction suivante :

[Link](x="NomColonneAbscisse",y="NomColonneOrdonnée",title="TitreGraphique",
color="Couleur")
Tutoriel Python(Pandas&Matplotlib) P a g e 13
❖ Explication détaillée :
Commande Description
[Link] Un graphique de type courbe.

x="NomColonneAbscisse" Nom de la colonne à représenter sur l’axe des X.

y="NomColonneOrdonnée" Nom de la colonne à représenter sur l’axe des Y.

title="TitreGraphique" Titre du graphique.

La couleur de la barre, elle doit être en anglais (red pour
color = "Couleur"
rouge, blue pour bleu, green pour vert,…)
alias_matplotlib.show() Afficher le graphique
❖ Exemple :
Créer un graphique de type courbe qui permet de représenter pour chaque pays sa densité.

Le code :
import pandas as ps
import [Link] as plt
df=ps.read_csv("[Link]",sep=";")
[Link](x="Pays",y="Densité",title="Densité/Pays",color="red")
[Link]()

L’affichage :

Tutoriel Python(Pandas&Matplotlib) P a g e 14