Tirez un maximum de ce cours
Bienvenue dans le cours ! Avant de produire vos premiers graphiques avec Python, prenons le temps de poser les bases. Une dataviz peut sembler simple au départ, mais elle devient beaucoup plus efficace lorsqu’on part d’une question claire : qu’est-ce que je veux faire comprendre à mon lecteur ? C’est exactement ce que vous allez explorer ici, en apprenant à transformer des données brutes en visualisations lisibles, utiles et adaptées à votre audience.
Rencontrez votre professeur
Découvrez le fonctionnement du cours
Ce cours suit une progression logique que l'on a séquencée en cinq chapitres.
Avant de démarrer, voici quelques conseils pour exploiter au mieux le contenu de ce cours et optimiser votre apprentissage :
Lisez le texte dans chaque chapitre pour comprendre pourquoi les concepts abordés sont importants.
Profitez de chaque occasion de pratiquer en faisant une pause dans le cours pour vous entraîner de votre côté, et reproduire pas à pas ce que vous avez lu dans le cours !
Découvrez le fil rouge
Dans ce cours, vous allez travailler sur un fil rouge concret : vous êtes data analyst dans un service de cardiologie. Le médecin-chef vous remet un fichier de données et vous pose une question simple en apparence :
Que peut-on comprendre de nos patients ?
Votre rôle n’est pas de poser un diagnostic médical. Votre mission consiste à transformer ces données en visualisations claires, pour aider une audience métier à repérer des tendances, formuler des hypothèses et poser les bonnes questions.
À la fin, vous aurez construit un notebook de 4 à 5 visualisations commentées. Chaque graphique devra répondre à une question précise, être adapté à son audience et expliquer clairement ce qu’il révèle des données.
Pour y parvenir, vous allez avancer étape par étape :
choisir la bonne famille de graphique selon la question posée ;
produire des visualisations statiques avec Seaborn ;
rendre certaines visualisations interactives avec Plotly ;
assembler le tout dans un notebook clair, cohérent et partageable.
Vous connaissez maintenant le contexte, le dataset et le livrable final attendu. Dans le prochain chapitre, vous allez apprendre à choisir la bonne visualisation avant même d’ouvrir votre éditeur de code.
