Explorez vos données et choisissez vos graphiques

Imaginez que vous êtes data analyst dans un service de cardiologie. Le médecin-chef vous tend un tableau de 918 lignes et vous demande : « Vous pouvez nous dire à quoi ressemblent nos patients ? » Vous ouvrez le fichier, vous voyez des colonnes, des chiffres, des catégories. Et là, une question vous traverse forcément l'esprit...

C'est tentant de se précipiter pour faire un graphique et de copier le premier exemple qui ressemble à vos données. Mais attention : un graphique produit sans intention claire ne raconte rien. Il est juste joli. Voilà tout l'intérêt de cette première étape : avant de produire, on identifie la question métier, puis on en déduit le type de graphique adapté.

Concrètement, il existe 5 grandes familles de questions visuelles, et presque toutes les questions métier que vous croiserez s'y rangent.

• La première famille, c'est la comparaison. Vous voulez mettre des catégories côte à côte pour voir laquelle l'emporte. Par exemple : combien de patients souffrent de chaque type de douleur thoracique ? Un graphique en barres répond directement à cette question : chaque catégorie devient une barre, et la longueur de la barre traduit immédiatement la fréquence.

• La deuxième, c'est la distribution. Vous voulez voir comment une variable se répartit sur l'ensemble des patients. Quelle est la tranche d'âge la plus représentée dans le dataset ? Un histogramme ou une courbe est l'outil naturel ici : il découpe la variable en tranches et montre où se concentre la population.

• La troisième famille, c'est la relation. Vous cherchez à savoir si deux variables numériques évoluent ensemble. Est-ce que la fréquence cardiaque maximale baisse avec l'âge ? Un nuage de points (scatter plot) est fait pour ça : chaque patient devient un point, et la forme du nuage révèle la tendance.

• La quatrième, c'est la composition. Vous voulez montrer comment un tout se divise en parts. Quelle proportion des patients présente chaque type de résultat d'ECG ? Un graphique en barres empilées ou un donut chart convient bien, à condition de ne pas dépasser 4 à 5 catégories pour rester lisible.

• Enfin, la cinquième famille concerne les questions multivariées. Vous voulez croiser plusieurs dimensions à la fois : par exemple, le profil-type d'un patient à risque selon l'âge, la fréquence cardiaque et le type de douleur thoracique simultanément. Ici, on combine souvent plusieurs encodages visuels (couleur, taille, forme) sur un même graphique, par exemple un nuage de points où la couleur des points indique la présence ou non d'une maladie cardiaque.

Posez-vous une question simple : qu'est-ce que je veux que mon lecteur retienne en 3 secondes ? Une comparaison entre catégories ? Une tendance ? Une répartition ? La réponse oriente directement votre choix.

Voyons ensemble comment ce raisonnement fonctionne sur un cas concret.

Le médecin-chef vous pose cette question : « Est-ce que les patients plus âgés ont tendance à avoir une fréquence cardiaque maximale plus faible ? »

Une fois cette intention posée, la famille se déduit naturellement : il s'agit d'une question de relation, et l'outil adapté est le nuage de points, avec l'âge sur un axe et la fréquence cardiaque maximale sur l'autre. Chaque point représente un patient, et la forme générale du nuage (qui descend, monte, ou ne montre aucune tendance claire) répond directement à la question du médecin-chef.

Vous voyez le mécanisme : on ne part jamais du graphique, on part de l'intention. C'est exactement ce que vous allez vous entraîner à faire dans l'activité de ce chapitre.

Appliquez les principes d'une dataviz claire

Une fois la bonne famille choisie, encore faut-il que le graphique soit lisible. Et c'est là que beaucoup de visualisations, pourtant bien intentionnées, perdent leur lecteur en cours de route. Prenons un exemple concret sur notre dataset : un graphique représentant la répartition des types de douleur thoracique.

Première version : un camembert (pie chart) avec des couleurs similaires, sans étiquettes de valeurs, et une légende excentrée dans le coin.

Deuxième version : un graphique en barres horizontales, triées par valeurs décroissantes, avec les valeurs affichées directement à côté de chaque barre, et une seule couleur d'accent réservée à la catégorie la plus fréquente (ASY, la douleur asymptomatique).

Laquelle comprenez-vous le plus vite ? La seconde, sans hésitation : vous savez en un coup d'œil quelle catégorie domine, sans avoir à comparer des angles ou chercher une légende.

Cette différence repose sur trois principes simples.

• Le premier, c'est l'encodage visuel. Chaque variable doit être traduite par l'attribut graphique le plus adapté à sa nature. La longueur (barres) est excellente pour comparer des quantités. La position (nuage de points) est idéale pour montrer une relation. La couleur, elle, doit rester réservée à une information précise, jamais utilisée juste pour faire joli : si toutes vos barres ont une couleur différente sans raison, vous ajoutez du bruit visuel au lieu de clarifier le message.

• Le deuxième principe, c'est le choix des couleurs. Une palette mal pensée peut rendre un graphique illisible pour une partie de votre audience. Pensez à l'accessibilité : privilégiez des palettes testées pour le contraste, et évitez de coder une information uniquement par la teinte rouge/vert. Si une seule couleur d'accent suffit à mettre en avant l'information clé, le reste des barres pouvant rester dans une teinte neutre.

• Le troisième principe, c'est la réduction de la charge cognitive. Un titre clair qui annonce directement le message du graphique permet de comprendre l'essentiel avant même d'analyser le graphique en détail. Ajoutez des axes étiquetés sans abréviation technique, et supprimez tout élément décoratif qui n'apporte aucune information : grille trop dense, ombres, dégradés inutiles, bordures superflues.

Vous commencez peut-être à comprendre pourquoi on insiste autant là-dessus : un graphique n'est pas un objet esthétique, c'est un outil de communication. Et comme tout outil, il doit être pensé pour son utilisateur final, pas pour celui qui l'a créé. Gardez ces trois principes en tête : vous allez les appliquer concrètement dès le prochain chapitre, en produisant vos premiers graphiques.

Choisissez votre librairie selon le contexte

Maintenant que vous savez choisir la bonne famille de graphique et appliquer les bons principes de clarté, reste une dernière décision : avec quel outil produire ce graphique ?

Matplotlib est le socle sur lequel reposent la plupart des librairies Python de visualisation. Seaborn, construite par-dessus, simplifie la production de graphiques statistiques propres et stylisés. Mais, ces graphiques restent statiques. Plotly, à l'inverse, produit des graphiques interactifs : zoom, survol pour afficher une info-bulle, filtres dynamiques.

Trois critères suffisent à trancher entre les deux. D'abord, le besoin d'interactivité : votre lecteur a-t-il besoin de manipuler le graphique lui-même (zoomer, survoler, filtrer), ou une image fixe suffit-elle à transmettre le message ? Si la réponse est non, Seaborn fait très bien l'affaire. Ensuite, la phase du projet : êtes-vous encore en train d'explorer vos données, ou présentez-vous un résultat final ? Seaborn convient très bien à la phase d'exploration rapide, Plotly brille en phase de restitution. Enfin, l'audience : un public technique, habitué à lire des graphiques denses, tolère Seaborn sans problème, tandis qu'une audience métier comme notre médecin-chef appréciera de pouvoir survoler un point pour voir le détail d'un patient.

Dans les chapitres suivants, vous allez mettre cette distinction en pratique : Seaborn, puis Plotly.

À vous de jouer !

Contexte

Le médecin-chef revient vers vous. Cette fois, il ne vous demande plus de graphique : il veut comprendre votre raisonnement avant que vous ne produisiez quoi que ce soit. Pour chacune des 5 questions métier du fil rouge, basées sur le fichierheart.csv(918 patients, colonnesAge,Sex,ChestPainType,RestingBP,Cholesterol,FastingBS,RestingECG,MaxHR,ExerciseAngina,Oldpeak,ST_Slope,HeartDisease), vous devez choisir la famille de graphique adaptée et justifier votre choix en une phrase. Aucun code à produire ici : c'est une décision, pas une exécution.

Les 5 questions à traiter :

1. Comment l'âge des patients se répartit-il dans le dataset ?

2. Existe-t-il un lien entre la fréquence cardiaque maximale (MaxHR) et l'âge ?

3. Comment se répartissent les types de douleur thoracique (ChestPainType) ?

4. Quelle est la composition des résultats d'ECG au repos (RestingECG) ?

5. Quel est le profil-type d'un patient à risque (HeartDisease) ?

En résumé

• Le dataset Heart Failure contient 918 patients et 11 variables mixtes : c'est le fil rouge exploré dans tout le cours.

• Il existe 5 familles de questions visuelles : comparaison, distribution, relation, composition, multi-variables.

• Choisir un graphique, c'est d'abord répondre à une question : une bonne dataviz commence par une intention, pas par une librairie.

• Seaborn produit des graphiques statistiques propres et statiques ; Plotly y ajoute l'interactivité pour une audience métier ou web.

• Un graphique clair respecte trois principes : encodage visuel cohérent, couleurs accessibles, charge cognitive réduite.

Vous savez maintenant choisir la bonne famille de graphique avant même d'écrire une ligne de code. Dans le prochain chapitre, on passe à l'exécution : vous allez produire vos premiers graphiques statiques avec Seaborn.