Introduction à l'analyse des données - séance 5

Introduction à l’analyse de données

Séance 5 - visualisation

Vu précédement

Données tabulaires
Pandas, Dataframes, Series, index
Filtrer les données (colonnes, lignes)
Ajouter des colonnes calculées
Combiner des données, jointure
Aggrégation (group by)

Tracer des figures

Bibliothèque matplotlib

import matplotlib.pyplot as plt
import matplotlib as mpl

Pandas fourni des fonctionnalités pour faciliter l’usage de matplotlib

Documentation

Créer une figure

fig, ax = plt.subplots()

Rmq: fait automatiquement par Pandas en général

Une première courbe

# Tracer la courbe pour une série
ma_serie.plot()

Exercice

Créer une Series contenant le temps de réaction moyen en fonction de la distance A en mètres
Tracer la courbe correspondant à la série
Créer la série et tracer la courbe correspondante pour la distance B.

D’autres types de graphiques

ma_df.plot.scatter('Col1', 'Col2')
ma_df.plot.bar('Col1', 'Col2')
ma_df.plot.box(by='Col1', column='Col2')
ma_df.plot.hist(by='Col',bins=mon_nombre_de_barres)

Quelques arguments additionnels pour les graphiques

ax=mon_ax pour réutiliser une figure définie par:
```
fig, mon_ax = plt.subplots()
```
c='#a98d19' pour spécifier une couleur

Exercice box

Ajouter au besoin une colonne pour la différence entre Dist_A et Dist_B
Faire un box plot du temps de réaction selon la différence de distance
Faire un deuxième box plot en se limitant aux essais réussis et un troisième pour les échecs

Exercice histogramme

Faire un histogramme de la quantité d’essais selon le temps de réaction

Exercice bar

Créer une dataframe contenant les essais en mode Dic(hotique) à gauche et enfaire une copie via
```
df_copie = pandas.DataFrame(df_a_copier)
```
Ajouter un attribut mode_side contenant la valeur Dic_G
En créer deux autres versions: une pour Dic à droite et une pour Dio(tique) (sans différencier les côtés)

Exercice bar (suite)

Assembler les 3 dataframes obtenues
Faire un affichage de barres avec le nombre d’essais réussis.