1. A propos du cours
- Auteur : Xavier Garrido (Université Paris-Saclay)
- Type : Diapositives de cours (PDF) — Matplotlib pour la licence Python
- Langue : Français
- Licence : Non précisée sur le document (usage pédagogique universitaire)
2. Courte description du cours
Support complet sur Matplotlib : installation, importations pyplot, affichage dans scripts et IPython, styles et couleurs, figures/sous-graphiques, annotations, textes LaTeX, sauvegarde des figures et bonnes pratiques. Idéal pour initier des étudiants à la visualisation scientifique.
2. Longue description du cours
Ce cours en diapositives présente Matplotlib comme la bibliothèque de référence pour la représentation graphique en Python et l’inscrit dans l’écosystème scientifique
(NumPy, SciPy, IPython). Il débute par l’installation via pip install matplotlib et les conventions d’importation
(import matplotlib as mpl, import matplotlib.pyplot as plt), puis décrit les principaux backends d’affichage et la commande
plt.show() selon le contexte (script ou console IPython avec %matplotlib).
La prise en main passe par une première figure : génération d’un vecteur x avec numpy.linspace, tracé de sinusoïdes, et export de la figure
(.png, .pdf, .eps, .svg, .pgf) à l’aide de plt.savefig(). Une large section est consacrée à la «
kozmetix » : styles de ligne (raccourcis -, --, -., :), marqueurs, palettes et
couleurs nommées, épaisseurs et transparence. On y apprend à paramétrer rcParams pour harmoniser la charte graphique.
Le document propose une progression vers la composition de figures : création d’axes avec plt.subplots(), positionnement, partages d’axes, multiples courbes
et légendes (plt.legend()). Les échelles (linéaire, log), les limites, les graduations et les
formatteurs d’axes sont détaillés pour produire des graphiques lisibles et reproductibles. Les annotations (plt.annotate), les flèches, les zones
surlignées et l’inclusion de texte en LaTeX sont abordées pour des rendus de qualité publication.
Sont ensuite passés en revue les modes de représentation les plus courants : courbes 2D, nuages de points, histogrammes, barres, surfaces de densité (via images ou
colormaps), ainsi que les bonnes pratiques pour choisir un type de graphique adapté aux données. Une section « interaction » présente la barre d’outils
(zoom, pan, sauvegarde), la manipulation d’événements et l’usage dans des notebooks. La fin du support synthétise des conseils de production : résolution, tailles en
unités physiques, cohérence typographique, export vectoriel, et configuration pour des rapports reproductibles.
L’ensemble constitue un fil directeur efficace pour des étudiants de licence : partir des commandes pyplot minimales, comprendre la structure figure/axes, maîtriser la mise en
forme et produire des figures reproductibles et prêtes pour la diffusion scientifique. Les nombreux extraits de code, centrés sur l’API pyplot, facilitent la transposition
immédiate dans des scripts autonomes ou des notebooks interactifs.
3. Aperçu du document
Voir ou télécharger le document sur le site d’origine
Ce document est hébergé par une source externe. Nous ne revendiquons aucun droit sur son contenu.
Pour toute demande de retrait, veuillez contacter l’auteur ou l’hébergeur officiel.
