Data visualisation avec Python par Stat4decision

Première partie : Les bonnes pratiques pour la data visualisation :
-Quelle visualisation choisir en fonction du contexte.
-Pièges à éviter pour visualiser des données et des résultats.
Deuxième partie : A) Les graphiques avec Python :
-Le package Matplotlib pour les graphiques.
-Panorama des graphiques disponibles.
-Gérer les options de vos graphiques.
-Le nuage de points.
-Les graphiques en bâtons (bar plot).
-Les countour plot.
-Les histogrammes.
-Les graphiques pour représenter des données en 3 dimensions.
B) Utiliser Seaborn pour obtenir des graphiques scientifiques :
-Le box plot ou la boîte à moustache.
-Le pair plot.
-Les matrices de graphiques.
C) Ajouter des informations à vos graphiques :
-Ajout de texte / annotations.
-Les légendes.
-Les colorbar.
D) Créer des graphiques animés avec Python :
-Générer une vidéo à partir d'un graphique et Matplotlib.
E) Afficher des données massives sous forme de graphiques.
F) Quelques bases de cartographie :
-Utilisation de cartopy combiné à Matplotlib.
-Cartes interactives avec Folium.
Troisième partie : Les graphiques interactifs et les applications web avec Python :
A) Le package Bokeh et ses principes.
B) Création de graphiques web interactifs avec Bokeh :
-Construction d'un reporting interactif avec bokeh.
C) Les applications web avec Bokeh :
-Principe.
-Rapport au package shiny de R.
-Construction d'un tableau de bord pour visualiser vos données.
-Construction d'une application de reporting avec Bokeh.
-Principes pour le passage en production.

Maîtriser les outils pour mettre en valeur graphiquement vos données avec Python.
Savoir créer des data visualisation complexes avec Matplotlib et Seaborn.
Savoir créer des applications web de data visualisation avec Bokeh.