Graphiques linéaires et courbes de tendance

Un graphique de séries temporelles est utilisé dans de nombreux domaines tels que la finance, la santé, l'économie, etc., pour visualiser les mesures de données au fil du temps. Pour construire un graphique de séries temporelles, l'axe horizontal sert à représenter les incréments de temps, et l'axe vertical sert à représenter les valeurs de la variable mesurée, comme les revenus, les inscriptions, le niveau des stocks, etc. De cette façon, chaque point du graphique correspond à un instant précis et à une quantité mesurée. Les points sur le graphique sont généralement reliés par des lignes droites dans l'ordre de leur apparition. Une fois le graphique créé, un chercheur peut identifier des tendances ou des motifs dans les données afin d'orienter la prise de décision.

Utiliser Python pour la visualisation des données de séries temporelles

La visualisation de données est un élément fondamental de la science des données, et Python propose de nombreuses fonctionnalités graphiques intégrées grâce à un paquet nommé matplotlib. Pour importer ce paquet dans un programme Python, utilisez la commande :

import matplotlib.pyplot as plt

Matplotlib contient des fonctions telles que plot qui peuvent être utilisées pour générer des graphiques de séries temporelles.

Après avoir défini les données $(x,y)$ à représenter graphiquement, la fonction Python plt.plot(x, y) peut être utilisée pour générer le graphique de séries temporelles.

Exemple 9.6

Problème

Utilisez la fonction plot en Python pour créer un graphique de séries temporelles pour le jeu de données présenté dans l'Exemple 9.5.

Solution

Dans le code Python suivant, notez que plt.plot avec l'argument marker indique que des points doivent être tracés aux différents emplacements $(x,y)$. De plus, plt.ylim définit l'intervalle pour l'axe des y.

Code Python

    # import the matplotlib library
    import matplotlib.pyplot as plt
    import matplotlib.ticker as ticker
    
    # Define the x-data
    x = [1, 2, 3, 4, 5, 6, 7, 8]
    
    # Define the y-data
    y = [8641, 9105, 9361, 9895, 9230, 8734, 8104, 7743]
    
    # Use the plot function to generate a time series graph
    plt.plot(x, y, marker='o', linestyle='-')
    
    # Set the scale for the y-axis
    plt.ylim(6000, 11000)  # This sets the y-axis range from 6000 to 11000
    
    # Define a function to format the ticks with commas as thousands separators
    def format_ticks(value, tick_number):
        return f'{value:,.0f}'
    
    # Apply the custom formatter to the y-axis
    plt.gca().yaxis.set_major_formatter(ticker.FuncFormatter(format_ticks))
    
    # Add labels to the x and y axes by using xlabel and ylabel functions
    plt.xlabel("Year")
    plt.ylabel("Enrollment")
    
    # Add a title using the title function
    plt.title("Enrollment at a Community College")
    
    # Show the plot
    plt.show()
    

La sortie obtenue ressemble à ceci :

Le graphique indique que les inscriptions ont augmenté progressivement des années 1 à 4, mais ont ensuite commencé à diminuer des années 4 à 8.

Directives pour créer des visualisations efficaces

Vous avez probablement déjà rencontré des graphiques mal conçus, difficiles à interpréter ou potentiellement trompeurs d'une manière ou d'une autre. Cependant, si vous suivez certaines directives lors de la création de vos visualisations, vous vous assurerez qu'elles sont efficaces et représentent fidèlement les données.

La première règle consiste à s'assurer que votre graphique est clair et facile à comprendre. Vous connaissez peut-être le type de données collectées, mais ce n'est pas forcément le cas de votre public. Donnez un titre et étiquetez chaque axe, en incluant les unités le cas échéant. Mentionnez la source des données lorsque cela est approprié. Utilisez des échelles adaptées pour les axes et évitez les distorsions (c'est-à-dire n'ajustez pas intentionnellement l'échelle pour produire un effet souhaité dans le graphique).

L'utilisation de couleurs pour différencier les données peut constituer un élément important des graphiques et des affichages. Dans l'ensemble, la couleur peut rendre la visualisation plus attrayante et stimulante pour le lecteur. Cependant, il convient de garder certains points essentiels à l'esprit lors de l'utilisation de la couleur. Veillez à appliquer la couleur de manière cohérente pour représenter les mêmes catégories. Assurez-vous qu'il existe un contraste suffisant entre les différentes couleurs pour les distinguer facilement. Par exemple, si vous utilisiez différentes nuances de bleu pour les secteurs d'un diagramme circulaire, il pourrait être difficile pour le lecteur de les distinguer.

Gardez à l'esprit que certains lecteurs peuvent être daltoniens ; il est donc recommandé d'utiliser des palettes de couleurs accessibles aux personnes daltoniennes. La règle la plus fondamentale pour une palette adaptée aux daltoniens consiste à éviter d'associer le vert et le rouge.

Il faut également savoir que les couleurs peuvent avoir des significations différentes selon les cultures. Réduisez au minimum le nombre de couleurs utilisées dans votre visualisation. Une règle empirique consiste à limiter le nombre de couleurs à trois ou cinq pour éviter une palette trop confuse.

Créez le graphique en pensant à votre public. Si le graphique s'adresse à un public général, il doit être aussi simple que possible et facile à interpréter, par exemple à l'aide de diagrammes circulaires ou de diagrammes à barres. N'incluez pas trop de catégories dans votre diagramme circulaire ; si vous avez plus de cinq ou six catégories, vous devriez envisager un autre type de graphique. Pensez à regrouper les catégories lorsque cela est pertinent par souci de simplicité. (Une catégorie « autre » peut parfois être utilisée pour regrouper les catégories aux effectifs très faibles.) Si le graphique est destiné à un public plus technique ou à des analyses plus complexes, un affichage plus détaillé, comme un nuage de points avec une droite de régression et des limites de confiance, peut être approprié. (La visualisation des données à l'aide de nuages de points est traitée dans Visualisation de données multivariées et de réseaux avec Python.)

Sélectionner le meilleur type de visualisation

Lors de la création de graphiques et d'affichages pour visualiser des données, le scientifique des données doit déterminer quel type de graphique conviendra le mieux aux données collectées et transmettra le plus fidèlement le message qu'elles révèlent. Cette section offre quelques conseils sur le type de graphique optimal pour différents scénarios.

Avant d'aborder la manière de choisir la meilleure visualisation, il est important de prendre en compte le type de données présentées. Rappelez-vous que les données peuvent être divisées en deux grandes catégories : les données qualitatives (qualitative data) (qui décrivent des catégories ou des groupes) et les données quantitatives (quantitative data) (données numériques), et que les données quantitatives sont en outre classifiées comme discrètes (discrete) (généralement des dénombrements) et continues (continuous) (généralement des mesures pouvant prendre n'importe quelle valeur dans un intervalle donné). Vous devez d'abord déterminer clairement le type de données à illustrer.

Ensuite, examinez attentivement l'objectif de la visualisation — c'est-à-dire, que cherchez-vous à accomplir avec ce graphique ou cette représentation ? Que vous révèlent vos données ? Comment sont-elles distribuées et quels motifs ou relations souhaitez-vous mettre en évidence ? Vous pouvez chercher à comparer différents groupes ou catégories, ou souhaiter montrer comment les données sont distribuées sur un certain intervalle. Rappelez-vous, d'après la discussion précédente sur la corrélation et la régression, que l'on cherche souvent à mettre en évidence des corrélations ou des relations entre des variables quantitatives. Le Tableau 9.4 propose quelques suggestions pour choisir la méthode graphique la plus appropriée en fonction de vos objectifs et de votre type de données.