Visualisations interactives avec Plotly
Plotly Express, graphiques interactifs, dashboards, animations, cartes géographiques, export
1Quelle est la différence principale entre Plotly Express et Plotly Graph Objects ?
Quelle est la différence principale entre Plotly Express et Plotly Graph Objects ?
Réponse
Plotly Express est une API de haut niveau qui permet de créer des graphiques en une seule ligne de code avec des paramètres simples. Plotly Graph Objects est l'API de bas niveau offrant un contrôle total sur chaque élément du graphique. Plotly Express utilise en interne Graph Objects, ce qui permet de passer de l'un à l'autre pour personnaliser davantage les graphiques.
2Comment créer un scatter plot avec Plotly Express à partir d'un DataFrame Pandas ?
Comment créer un scatter plot avec Plotly Express à partir d'un DataFrame Pandas ?
Réponse
La fonction px.scatter() prend un DataFrame et utilise les paramètres x et y pour spécifier les colonnes à afficher sur chaque axe. Cette syntaxe concise permet de créer rapidement des visualisations interactives sans configuration complexe. Des paramètres optionnels comme color, size et hover_data permettent d'enrichir le graphique.
3Quel paramètre de Plotly Express permet de colorer les points selon une variable catégorielle ?
Quel paramètre de Plotly Express permet de colorer les points selon une variable catégorielle ?
Réponse
Le paramètre color de Plotly Express permet d'attribuer automatiquement des couleurs distinctes à chaque valeur unique d'une variable catégorielle. Plotly génère une légende interactive et utilise une palette de couleurs par défaut optimisée pour la distinction visuelle. Ce paramètre fonctionne également avec des variables numériques pour créer un dégradé de couleurs.
Comment afficher un graphique Plotly dans un notebook Jupyter ?
Comment exporter un graphique Plotly au format HTML pour le partager ?
+15 questions d'entretien
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
Visualisation avec Matplotlib & Seaborn
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
Accède à toutes les questions, flashcards, tests techniques, exercices de code review et simulateurs d'entretien.
Commencer gratuitement