Question 1

Quelle est la différence principale entre l'interface pyplot et l'interface orientée objet de Matplotlib ?

Accepted Answer

L'interface pyplot (plt.plot, plt.title) est une API de style MATLAB qui gère implicitement les figures et axes actuels, pratique pour des graphiques simples et rapides. L'interface orientée objet (fig, ax = plt.subplots()) donne un contrôle explicite sur chaque élément (Figure, Axes) et est recommandée pour les graphiques complexes, les subplots multiples ou les scripts de production, car elle rend le code plus lisible et maintenable.

Question 2

Quelle méthode utiliser pour créer une figure avec une grille de 2 lignes et 3 colonnes de subplots ?

Accepted Answer

La fonction plt.subplots(2, 3) crée une figure contenant une grille de 2 lignes et 3 colonnes de subplots. Elle retourne un tuple (fig, axes) où axes est un array NumPy 2D de forme (2, 3) permettant d'accéder à chaque subplot via axes[row, col]. Cette approche est la plus concise et idiomatique pour créer des grilles régulières de subplots en Matplotlib.

Question 3

Comment afficher une heatmap de corrélation d'un DataFrame Pandas avec Seaborn ?

Accepted Answer

Pour afficher une heatmap de corrélation, il faut d'abord calculer la matrice de corrélation avec df.corr(), puis passer le résultat à sns.heatmap(). L'option annot=True affiche les valeurs de corrélation dans chaque cellule, ce qui facilite la lecture. Cette combinaison est le pattern standard pour visualiser les corrélations entre variables numériques dans l'analyse exploratoire des données.

Visualisation avec Matplotlib & Seaborn

Quelle est la différence principale entre l'interface pyplot et l'interface orientée objet de Matplotlib ?

Réponse

Quelle méthode utiliser pour créer une figure avec une grille de 2 lignes et 3 colonnes de subplots ?

Réponse

Comment afficher une heatmap de corrélation d'un DataFrame Pandas avec Seaborn ?

Réponse

Quel est le rôle du paramètre 'bins' dans plt.hist() ?

Comment partager l'axe Y entre plusieurs subplots dans une même ligne ?

Autres sujets d'entretien Data Science & ML

Les bases de Python

Programmation Orientée Objet Python

Structures de données Python

Fondamentaux Git

Les bases de SQL

Fondamentaux NumPy

Les bases de Pandas

Jupyter & Google Colab

SQL Joins & Requêtes avancées

Pandas avancé

Visualisations interactives avec Plotly

Statistiques descriptives

Statistiques inférentielles

Web Scraping

BigQuery & Cloud Data

Feature Engineering

ML Supervisé : Régression

ML Supervisé : Classification

Arbres de décision & Ensembles

ML Non supervisé

Pipelines ML & Validation

Séries temporelles & Prévisions

Fondamentaux Deep Learning

TensorFlow & Keras

CNN & Classification d'images

RNN & Séquences

Transformers & Attention

NLP & Hugging Face

GenAI & LangChain

MLOps & Déploiement

Maîtrise Data Science & ML pour ton prochain entretien