SEABORN PYTHON TUTORIEL PAIRPLOT etc : Les PLUS BEAUX GRAPHIQUES en 1 Ligne de Code ! (19/30)
Вставка
- Опубліковано 30 чер 2024
- Ce tutoriel Python français vous présente Seaborn, la meilleure librairie pour la visualisation de données (Data Visualisation). Seborn permet de créer des graphiques plus beaux et plus travaillés que maplotlib, en écrivant seulement une ligne de code !
Seaborn est parfait pour la visualisation de Dataset Pandas, et permet de faire une bonne exploration statistique des différentes variables de vos données.
Pour commencer, la fonction pairplot de searborn est idéale pour avoir un bon aperçu de votre dataset. Pairplot permet de voir la relation entre chaque variable, et produit également des histogrammes, parfait pour voir comment sont réparties vos données selon les différentes variables.
Seaborn permet également de visualiser les données qui forment des catégories grâce aux boxplot de seaborn. Les boxplots sont idéales et très puissantes, nous les voyons dans ce tutoriel à la minute 09:20
Seaborn est tres facile a prendre en main, il y a peu de fonctions, et elles suivent presque toutes la même structure: (x, y, data, hue)
catplot(x, y, data, hue)
boxplot(x, y, data, hue)
scatterplot(x, y, data, hue)
etc...
Je recommande également d'explorer les fonctions Seaborn distplot() jointplot() et heatmap() qui sont très utilisées dans la pratique en Data Science et en Data Mining.
Amusez-vous bien avec Seaborn, et retenez les fonctions les plus utiles, comme pairplot !
Le site de Seaborn:
seaborn.pydata.org/index.html
Les Datasets de Seaborn:
github.com/mwaskom/seaborn-data
► MON SITE INTERNET EN COMPLÉMENT DE CETTE VIDÉO:
machinelearnia.com/
► Soutenez-moi sur Tipeee pour du contenu BONUS:
fr.tipeee.com/machine-learnia
► Recevez gratuitement mon Livre:
APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE
CLIQUEZ ICI:
machinelearnia.com/apprendre-...
► Téléchargez gratuitement mes codes sur github:
github.com/MachineLearnia
► Abonnez-vous : / @machinelearnia
► Pour En Savoir plus : Visitez Machine Learnia : machinelearnia.com/
► Qui suis-je ?
Je m’appelle Guillaume Saint-Cirgue et je suis Data Scientist au Royaume Uni. Après avoir suivi un parcours classique maths sup maths spé et avoir intégré une bonne école d’ingénieur, je me suis tourné vers l’intelligence artificielle de ma propre initiative et j’ai commencé à apprendre tout seul le machine learning et le deep learning en suivant des formations payantes, en lisant des articles scientifiques, en suivant les cours du MIT et de Stanford et en passant des week end entier à développer mes propres codes.
Aujourd’hui, je veux vous offrir ce que j’ai appris gratuitement car le monde a urgemment besoin de se former en Intelligence Artificielle.
Que vous souhaitiez changer de vie, de carrière, ou bien développer vos compétences à résoudre des problèmes, ma chaîne vous y aidera.
C’est votre tour de passer à l’action !
► Une question ? Contactez-moi: contact@machinelearnia.com
Ta chaine est une mine d'or en Data Science, je me régale depuis que je l'ai découvert. Tes vidéos sont de qualité, précises, concises. Donc on a pas à perdre du temps on comprend tres rapidement le sujet abordé. En plus tu est trop cool. Merci et continue ton oeuvre en faveur de la communauté francophone. On a pas toujours des tutos et des vidéos de cette qualité en français. Merci
Merci beaucoup, ca fait toujours du bien au moral d'avoir de tels messages de soutien !
Seaborn c'est beau !!
J'adore ta chaîne !!
Tu es très pédagogue et tes vidéos sont de très bonne qualité.
Merci
Merci a toi ! :)
Super! je decouvre ainsi seaborn, et les faciités que ça offre dans la visualisation des données. Merci le Pro!
Oui Seaborn est incroyable !
j'adore ta chaine, j'adore la façon dont tu expliques, j'aimerai bien voir d'autre formation en Natural Language Processing et Technical Language Processing ❤
Merci FORT BIEN un GRAND BRAVO cher Guillaume excellent travail
Merci beaucoup
Merci pour ce contenu a haute valeur ajoutée. C'est concis, précis et complet
. Pour info je suis très fan de plotly pour la data visualisation....
Superbe vidéos comme toujours, merci infiniment et bonne continuation, je suis impatient de voir la suite, merci encore, non seulement que vous expliquez les fonctions mais aussi les graphes, leurs types et leurs utilité genre quand est ce que on utilise tel graphe dans telle situation etc...
Vraiment merci et bon courage.
Merci beaucoup et merci de me suivre, a bientot :)
Toujours Nikel comme d'habitude! Sa devient comme un cours avec des emploies du temps qui sont les dates de sorties de chaque vidéo LoL! Chapeau pour le travail!
Merci beaucoup :)
Excellente vidéo comme d'habitude. Longue vie à toi.
Merci beaucoup, continue comme ca toi aussi !
Super vidéo comme d'habitude ! Seaborn reste pour moi un must dans la data vizualisation.
Merci
@@MachineLearnia
Salut les data scientists.
J'ai une petite question à propos de Seaborn.
Vous voyez, j'utilise Seaborn sur Kaggle.
Au début, il me faisait des beaux graphes, c'était parfait.
Maintenant il ne me renvoit rien à part ceci
:
Qu'est ce que cela signifie et comment dois je faire pour avoir mon graphe
Merci de votre réponse
Excellent et toujours sympa Guillaume 😉. Merci pour la presa de ces supers outils
Merci beaucoup pour le message, ca fait super plaisir :)
Juste parfait ! Un excellent pédagogue !
Merci beaucoup ! :)
Excellent ! Continuez !
Série de qualité excellente ! Pourtant j'en ai vu, bravo pour le travail, je suis avec impatience les prochaines vidéos !
Comme évoqué précédemment sur d'autres vidéos, je me réjouis aussi que des vidéos "projet" soient faites, en utilisant un peu de tout ce que tu nous apprends mais sur une application concrète et plus complexe (promis j'aime beaucoup iris et titanic quand même !)
Merci Michael. Je garantis la sortie prochaine de vidéos Projet, mais je pense les produire a la fin de la série pédagogique Python ML.
@@MachineLearnia Ah oui ça me semble plus logique de poser les bases de manière thématique avant d'attaquer un projet ! Content de lire que c'est prévu :)
@@C05Mik Je suis content de savoir que tu approuves ;)
Excellente vidéo à nouveau. Merci Guillaume
Merci beaucoup :)
Seaborn est le meilleur pour le Big-data. merci beaucoup pour l'excellent vidéo.
Merci beaucoup :)
bonjour, je pense que cette librairy correspond tout à fait a mon dataset, donc je vais surement l'utiliser beaucoup. merci encore pour la qualité de tes vidéos, des exemples et de la clarté de tes explications qui sont d'une précision chirurgicale.
de rien !
vous êtes le meilleur
C'est très impressionant comme les graphiques en sortie sont super sexy ! Moi qui cherchais encore quelques arguments pour remplacer matlab, je crois que celui ci va être assez critique!
Encore merci pour cette formation ;)
Oui, c'est super cool et tres rapide a prendre en main quand on veut faire des graphiques sur Pandas.
Merci, superbes explications
De rien :)
Thank you. Excellent videos!!
Glad you like them!
Salut Guillaume ta vidéo est en mode seaborn cool simpliste instructifs 😁
Merci beaucoup :)
J'adore tes vidéos
Bravo, merci pour votre aide !
De rien :)
Bonjour et merci encore pour cette vidéo.
Je vous en prie :)
Merci pour ce partage
Merci pour le commentaire
J'ai bien aimé cette présentation de Seaborn et les cas dans lesquels il faut utiliser l'une ou l'autre librairie
Parlant d'autres librairies graphiques, j'aime bien Plotly
Encore merci !
de rien !
the best
Merci
Bien sympa !
Merci ;)
Vraiment Seaborn est très simple à comprendre et simple à manipuler
Waoo, it's amazing :=) Grand merci! Seaborn est plus cool que Matplotlib.
Merci beaucoup :)
Très bonne vidéo. Merci
de rien :)
tellement puissant seaborn!!
Seaborn est tres bon oui !
Merci beaucoup
respect and thank you for all
Many thanks
J'ai l'impression qu'il faut être bon en Maths pour arriver a faire ce que tu fait.
C'est impressionnant de te voir coder.
Super vidéo Guillaume
Merci beaucoup. Non il ne faut pas être tres fort en maths pour faire tout ça, c'est accessible a tous.
@@MachineLearnia C'est quoi alors le secret ?
@@kephmakoyi3799 juste un peu de travail :)
Il faut regarder les autres vidéos de ma chaine et tout devrait bien aller. Avec un peu de pratique ca ira mieu
@@MachineLearnia Merci Guillaume, je m'y met toute suite
merci
De rien :)
bravo bonne continuation
merci et de même
superrrr
superbe intro trop fun, mdr!!!
Ahah merci :)
merci. top
Super vidéo comme d'hab , pour moi plutôt Seaborn
Merci beaucoup :)
thanks_excellent_video
Thanks a lot !
Qui a dit que les data scientistes n'avaient pas de l'humour 😊
Ahah ! Une petite blague en passant ça détend toujours l’atmosphère ! :D
seaborn sans conteste !!!
La librairie Plotly mériterait véritablement d'être couverte par Machine Learnia : car géniale pour faire de la visualisation rapide (plotly express) ou spécialisée (avec le modèle d'objet graphique).
Yes je la connais et je compte la présenter a l'avenir dans une série spéciale "dataviz" :)
vous pouvez essayer aussi sns.pairplot(iris, hue='species') au lieu sns.pairplot(iris, hue='variety')
Merci pour la remarque ! :)
De rien
C'est exact.
j ai un problème au niveau de sns.pairplot(iris,hue='variety') j'ai utilisé 'species' ça marche, merci
Excellent ! Quel serait ton conseil pour obtenir l'ensemble des graphiques informatifs avec des variables essentiellement catégorielles ? Un genre de pairplot qui prend en compte le fait que les variables sont categorielles, en fait :-) Merci en tout cas et vivement l'arrivée du deep !
Pour les variables catégorielles c'est plus compliqué qu'un simple pairplot, car il y a beaucoup de choses a montrer, en général il faut faire des value_counts, des tables de fréquences, des catplots, et des boxplots.
@@MachineLearnia Merci pour ta réponse et bon courage pour la suite !
Seaborn : ASMR for Data Scientist
Ahah Yes ! :D
@@MachineLearnia uniuiunmuùinuu.uuhÿyuni
Uinhth.ntnh.@ iôny..yunjyjnuy.nunj.ytijhitnntnhy.nnytnybt une union.jjynjÿhjuÿhynyli
L.rn.tjnhyntjnhynuu ynj.un.gj..n..knnyangünn .
Un.n.@ ñn..jiiiiiiiînj ' ,.,n, u no .y ,' ,,. Ÿ. nn,,@ @ ju n in , n.,, ' n nn@ n. non n n,, n,n i n. G g ... hp onn .ch u y.., ii n i y j .t nn uu ii j rnh u i . N n j n nnt k n ny y nj nn
. Y .c g nn , .n . T u bun n iu nu l
keep going XD
Yes, thanks :)
Bonjour
Est-ce que c’est possible de faire une analyse en correspondance simple/multiple (ou une analyse factorielle) sous python comme c’est possible sous R ou sous SAS? Merci par avance de votre réponse !
Bonjour, merci pour ta simplicité pour le codage, j'aimerais savoir ton avis sur Plotly ? Et si tu pourrais nous faire une vidéo sur son utilité si nécessaire. On attend tes réponses et encore Merci beaucoup !
Bonjour, Plotly est génial, et je vais faire une série dessus a l'avenir, pas de probleme :)
Bonjour. Merci encore pour toutes ces vidéos avec des explications aussi simples et claires que possible.
J'ai un détail qui me chiffonne. A 9:00 comment se fait-il il que les points ne soient pas alignés sur les abscisses de "pclass". Est-ce que catplot induit un éparpillement des points pour faciliter la lecture et si oui est-ce qu'on peut gérer cet éparpillement ? Merci**1000
Oui c'est cela, les points sont espacées pour faciliter la lecture :)
salut j'ai essaiyé la chose suivante avec le data set titanic : sns.pairplot(titanc,hue='pclass')
ca marche pas et voici l'erreure : RuntimeError: Selected KDE bandwidth is 0. Cannot estiamte density.
seaborn n'arrive pas a trouver une bande passante automatiquement pour créer le graphique. C'est une erreur qui peut arriver. Tu peux la corriger en écrivant sns.pairplot(titanc,hue='pclass', bw=1.0) (ou bien essayer d'autres valeurs pour bw)
@@MachineLearnia merci pour votre aide
Plotly est également une excellente librairie de visualisation de données. Ses graphiques sont interactifs par défault.
Oui
Plotly est aussi une excellente lib
:)
Tout a fait ! :D
Un de ces jours si tu pouvais faire une vidéo dessus car je suis sur que j'ai de mauvaises habitudes... 😂 😂 Top vidéo en tout cas merci beaucoup
@@korosife Oui je me souviendrai de ta requête ! :)
@@MachineLearnia
🤩🤗
Je vous remerci infinemment pour cette formation.Je veux savoir comment on peut combiner un graphe en barres et un graphe linéaire avec les mêmes axes?
Bonjour, pour faire cela, il faut créer une figure matplolib, puis écrire sns.barplot() suivit de sns.lineplot()
Bonsoir,
Merci pour la formation. j'ai une question, vous avez demandé dans l'exercice de faire le calcule sur les 28 derniers jours mais la fonction Rolling fait le calcul sur une fenêtre de 28 jours depuis le début de la période jusqu’à la fin non seulement sur les derniers 28 jours.
merci, cordialement
En effet, je voulais dire a n'importe quel instant t, calculez la valeur pour les 28 derniers jours. Cela peut-etre mal interprété.
bonsoir professeur,pouvez vous faire un cours sur ligthGBM et Boruta? qui sont des techniques assez nouvelles du ML!!!
Oui c'est prevu ! :)
Bonjour Guillaume vous faites un travail exceptionnel.
Est ce que je peux avoir le lien discord pour intégrer la communauté?
il est disponible en lien dans la description
Je vous remercie Mr pour le contenu que vous êtes entrain de publier c est très simple à apprendre, svp comme je peux vous contacter ? c est urgent
Bonjour Guillaume. @15'00" de la video tu arrives à zoomer dans les graphes, chose que je n'arrive pas à faire sous Spyder et Jupyter (quelque soit le mode des graphes, POO ou classique). Faut-il utiliser un autre IDE ou alors utiliser une option particulière sous Spyder/Jupyter ?
Dans Jupyter il faut écrire %matplotlib au début de votre code.
Dans Spyder, il faut changer les reglages de l'IDE dans les preferences > console > graphiques
Merci ça marche c'est magique ! (Pour Spyder il fallait redémarrer l'IDE)
Super. Cette vidéo est très informative. Diiiis, comment faire des diagrammes ternaires avec seaborn ou matplotlib ? Et comment y associer des contour plots et des surfaces 3d ? Merci. 🙏
bonne questions, je ne fais jamais ce type de diagrammes, donc je ne sais pas, mais je vais faire des recherches et si je trrouve la réponse je la partagerai ! En attendant tu peux en parler sur notre discord, je pense que ca interessera d'autres personnes.
Bonjour, merci énormément pour ce contenu, je tiens à signaler qu'il faut mettre "species" à la place de "variety" qui ne marche plus je crois
Merci pour cette information ! :)
Merci Anass sabbane, tu m'as sauvé. Merci aussi M.Guillaume rien à dire, tout est parfait.
Bonjour
Bravo et merci pour ces videos; est-il possible de créer un histogrammes empilé ? merci d'avance
Bonjour et merci !
Pour créer votre graphique : seaborn.pydata.org/examples/horizontal_barplot.html
Machine Learnia Merci pour ton retour
Merci pour cette formation, ke me demande est ce vous pouvez m'envoyer quel lien pour les articles sur machine learnig
Done
merci pour ces informations j ai un probleme la fonction hue = "variety" ne fonctionne pas pour dataset de bitcoin
Bonjour, c'est parce qu'il n'y a pas de colonne nommé "variety" dans le dataset du bitcoin.
Bien! ma question comment lire le fichier zippé des images en utilisant Matplotlib sur jupyter?
merci mon grand, sinon quel est votre meilleur projet réalisé en data science
celui de faire cette chaine youtube pour aider les autres ^^ (et sinon drone autonomes, projets scientifiques..)
@@MachineLearnia je voudrais que vous développiez plutôt la 2e option
@MachineLearnia j'ai appliqué le code mais la partie (hue = 'variety') ne fonctionne pas jupyter affiche Keyerror : 'variety' que faire s'il vous plait ?
mais du coup je suis aller sur le site officiel et j'ai appliqué (hue="species") ça marché
16:50 Et chez moi le zoom sur les graphiques no fonctionne pas. Par contre, j'utilise Jupyter avec le même code...
si au lieu de mettre variety on met genre le nom de 2 variétés, ça marchera ?
on peut rajouter des noms de labels a la main, comme dans matplotib
@@MachineLearnia OK merci !
Matplotlib je trouve meilleur des fois il faut maîtriser seaborn aussi Merci beaucoup
Merci infiniment pour ce magnifique travail,
Svp j arrive pas à télécharger les dataset, vous pouvez me aider svp
Quel est le probleme ? Il est disponible sur github, le lien est dans la description
Dans la correction de l'exercice sur les bitcoins tu utilises Matplotlib version OBJET : ce n'est pas bien du tout.
Ce n'est pas moi qui l'ai dit... c'est toi... ;)
Oops ! ^^
Oui mais je l'ai utilisé pour montrer la fonctionnalité sharex, qui permet de partager les memes axes, ce qui est pratique quand on veut faire des zoom etc.
@@MachineLearnia C'est exacte que c'est pratique, mais je n'ai pas pu m'empêché de faire la blagounette. ;)
j'ai adoré :D
Les boxplot c’est exactement comme les chandelier japonais en finance
Seaborn ou matplotlib? Il faudrait avoir un probème pour choisir matplotlib
Ahahah ! Content de te revoir ici !
Bonjour, au début de la vidéo, lorsque l'on utilise hue = 'variety' on obtient une erreur, en utilisant plutôt hue='species' on obtient alors les mêmes graphiques !
peut-être dû à une maj du module
Merci oui tu dois avoir raison, il a du y avoir une maj. Merci pour le partage !
L'ordre des arguments dans les fonctions Seaborn a changé. C'est désormais : (data, x, y, hue, ...).
Seaborn ou matplotlib: le choix dépend du L'object ou la tâche qu'on doit réaliser. n'est ce pas? plz j'attend votre réponse
Oui en effet : Seaborn est pratique pour analyser des données d'un tableau pandas, et Matplotlib est plus flexible mais plus lent a programmer.
@@MachineLearnia Géniale Mr, c'est la seule chaîne que j'assiste régulièrement grâce à votre attention via votre rapide réaction
@@mustaphakhalfouni3288 merci, ca me fait tres plaisir :)
bjr merci beaucoup pour l'ecraircisement svp j'aimerais avoir les videos pour deep learnig
elles sont sur la chaine.
@@MachineLearnia
Une question après avoir fini le 34 vidéo donc je peux commencer le deep learning
Seaborn
Bonsoir ,je vous remercie pour ses vidéos vraiment instructives, voilà je m'intéresse au domaine du "bitcoin et blockchain" ,votre avis? la doc? je suis nouveau dans le domaine du machine learning.
Le bitcoin et la blockchain n'ont rien a voir avec le Machine Learning, je ne sais pas quel est votre objectif réellement. Pour apprendre le machine learning, je vous conseille de suivre les vidéos de ma chaine youtube
@@MachineLearnia ok merci, orientation pour un projet(pour apprendre c'est tout,blockchain et bitcoin c'est du deep learning.? merci pour votre disponbilité
Bonjour! Comment on peut interpreter joinplot(x, y, data)?
Bonjour, cela vous montre la distribution des 2 variables, l'une par rapport a l'autre.
@@MachineLearniaUn grand merci!
bonjour guillaume souvent j'ai du mal à comprendre lorsque tu parle de distribution normale
C'est quand les données sont réparties en suivant une belle cloche. Regardez dans google fonction gaussienne ou normale et vous allez comprendre
je peux aimer deux fois la video??
je vais contacter UA-cam pour leur demander une permission spéciale ;)
@@MachineLearnia merci
19/30
ca avance vraiment tres bien !
Bonjour Guillaume, tes vidéos sont top, merci!
Comment fais-tu pour zoomer sur des graphs matplotlib comme ici : ua-cam.com/video/xYgfIRzNPlo/v-deo.html ?
La question s'adresse à quiconque a la réponse ;-)
Ok, j'ai trouvé. Avec %matplotlib le graphe est dynamique et s'ouvre dans une nouvelle fenêtre. J'ai utilisé (après bien des galères) %matplotlib widget et ça permet d'avoir la même chose dans le notebook.
Bonsoir Mr comment vous jouindre?
Bonsoir, sur Discord c'est le plus simple, merci !
Je suis seaborne
Je crois que tu t'es trompé dans la miniature, tu as laissé le logo de Pandas et pas celui de Seaborn :)
Salut ! En fait non c'est parce que Seaborn n'a pas vraiment de logo, et j'ai gardé celui de pandas car seaborn on l'utilise surtout avec pandas.
Lol, le jeu d'acteur s'améliore....
Ahah merci merci ^^
bonjour Professeur pouvez vouz nous faire un cours sur l'open source Keras python
Bonjour, oui je ferai ca a l'avenir !
PS: hue='variety' n'est plus. maintenant c'est 'species'
merci bcp tu m'a fais gagner du temps au lieu de chercher :)
les deux mais en fait matplotlib n'est pas assez compliqué
"Matplotlib c'est moche" Je n'ose pas présenter ROOT et les physiciens des hautes énergies.
Ahah ouais. Sinon il y a pyplot qui est vraiment cool aussi !
Salut !
Merci pour ce contenu de qualité que tu nous mets à disposition.
Aussi je me suis inscrit pour recevoir ton livre "Machine learning enune semaine"
Bonjour, si jamais tu n'arrives pas a le recevoir, il est aussi disponible sur notre page Github, en téléchargement direct.
moi je préfère seaborn
Oui c'est vraiment bien. Je l'adore aussi