Section : Relplot | Visualisation de données sur Seaborn

Résumé de section

La fonction relplot() permet de faire des graphiques de type nuage de points et de type courbe.

Voici la signature de la fonction :

Signature relplot

Il y évidemment une documentation accessible sur internet, donc on ne va passer que sur les éléments les plus essentiels pour pouvoir afficher ce dont on a besoin le plus vite possible, à savoir :

Nom du paramètre	Explications	Ce qui lui faut comme format	Exemple
data	Il faut donner au paramètre data le tableau entier que vous traitez	DataFrame, Series, dict, array, or list of arrays	data=tableau
x	variable du tableau utilisée pour les abscisses	Chaine de caractères correspondant à une variable du tableau	x="poids"
y	variable du tableau utilisée pour les ordonnées	Chaine de caractères correspondant à une variable du tableau	y=”taille”
hue	variable du tableau permettant de rajouter une dimension avec de la couleur	Chaine de caractères correspondant à une variable du tableau, catégorielle ou entière	hue=”age”
size	variable du tableau qui controlera la taille des points	Chaine de caractères correspondant à une variable du tableau, numérique	size=”argent”
style	variable du tableau qui controlera le style des points	Chaine de caractères correspondant à une variable du tableau, catégorielle ou entière	style=”sex”
row	variable du tableau qui permettra de créer un tableau de graphiques, ici les lignes	Chaine de caractères correspondant à une variable du tableau, catégorielle ou entière	row=”catégorie”
col	variable du tableau qui permettra de créer un tableau de graphiques, ici les colonnes	Chaine de caractères correspondant à une variable du tableau, catégorielle ou entière	col=”métier”
kind	type de graphique que l’on veut	Chaine de caractères, 2 choix possibles	kind=”scatter” ou kind=”line”

Voici un exemple avec le code suivant, que vous pouvez exécuter :

 Code d'importation
import pandas as pd
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
from pyodide.http import open_url

url = "https://raw.githubusercontent.com/mwaskom/seaborn-data/master/penguins.csv"
data = pd.read_csv(open_url(url))
← Exécution

 Cellule 2
sns.relplot(data=data,x="bill_length_mm",y="bill_depth_mm",hue="species",style="sex",size="body_mass_g",col="island")← Exécution

On peut constater que col permet de faire différents graphiques sur une même figure, hue permet à l'aide de couleurs de distinguer une variable et style permet à l'aide de la forme des points de distinguer une autre variable. Vous pouvez tester différents paramètres et relancer le code.

On peut rajouter des ellipses sur des relplot scatter, pour dessiner dessus il faut récupérer l’ax :

 Cellule 3
from matplotlib.patches import Ellipse

g = sns.relplot(
    data=data,
    x="bill_length_mm",
    y="body_mass_g",
    hue="species",
    kind="scatter",
    height=5
)
ax = g.ax

def add_confidence_ellipse(x, y, ax, n_std=2.0, **kwargs):
    # Supprimer les NaN avant le calcul
    mask = ~(np.isnan(x) | np.isnan(y))
    x, y = x[mask], y[mask]
    if len(x) < 2:
        return
    cov = np.cov(x, y)
    mean = np.mean(x), np.mean(y)
    eigvals, eigvecs = np.linalg.eigh(cov)
    order = eigvals.argsort()[::-1]
    eigvals, eigvecs = eigvals[order], eigvecs[:, order]
    angle = np.degrees(np.arctan2(*eigvecs[:, 0][::-1]))
    width, height = 2 * n_std * np.sqrt(eigvals)
    ellipse = Ellipse(
        xy=mean,
        width=width,
        height=height,
        angle=angle,
        fill=False,
        **kwargs
    )
    ax.add_patch(ellipse)

palette = sns.color_palette()

for i, species in enumerate(data["species"].unique()):
    subset = data[data["species"] == species]
    add_confidence_ellipse(
        subset["bill_length_mm"].values,
        subset["body_mass_g"].values,
        ax,
        edgecolor=palette[i],
        linewidth=2
    )

ax.set_xlabel("Bill length (mm)")
ax.set_ylabel("Body mass (g)")
ax.set_title("95% Confidence Ellipse by Species — Penguins")← Exécution

Ellipse vient de matplotlib.patches.

On peut aussi afficher des lignes en modifiant le kind en "line" :

 Cellule 4
sns.relplot(data=data,x="bill_length_mm",y="bill_depth_mm",hue="species",style="sex",col="island",kind="scatter")
← Exécution

size n'est pas utilisable avec le graphique de kind "lines".
Cette fois style modifie le style de ligne selon la valeur de la variable "sex".