Tracer des distributions avec Seaborn#

Avec Seaborn, il est également très pratique de tracer des distributions de données telles que des boîtes à moustaches, des graphiques en barres, des histogrammes et des tracés d’estimation de densité par noyau.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

Nous commençons par charger un tableau de mesures dans un DataFrame pandas.

df = pd.read_csv("../../data/BBBC007_analysis.csv")
df
area intensity_mean major_axis_length minor_axis_length aspect_ratio file_name
0 139 96.546763 17.504104 10.292770 1.700621 20P1_POS0010_D_1UL
1 360 86.613889 35.746808 14.983124 2.385805 20P1_POS0010_D_1UL
2 43 91.488372 12.967884 4.351573 2.980045 20P1_POS0010_D_1UL
3 140 73.742857 18.940508 10.314404 1.836316 20P1_POS0010_D_1UL
4 144 89.375000 13.639308 13.458532 1.013432 20P1_POS0010_D_1UL
... ... ... ... ... ... ...
106 305 88.252459 20.226532 19.244210 1.051045 20P1_POS0007_D_1UL
107 593 89.905565 36.508370 21.365394 1.708762 20P1_POS0007_D_1UL
108 289 106.851211 20.427809 18.221452 1.121086 20P1_POS0007_D_1UL
109 277 100.664260 20.307965 17.432920 1.164920 20P1_POS0007_D_1UL
110 46 70.869565 11.648895 5.298003 2.198733 20P1_POS0007_D_1UL

111 rows × 6 columns

Boîtes à moustaches#

La fonction axes pour tracer des boîtes à moustaches est boxplot.

Seaborn a déjà identifié file_name comme une valeur catégorielle et intensity_mean comme une valeur numérique. Ainsi, il trace des boîtes à moustaches pour la variable d’intensité. Si nous inversons x et y, nous obtenons toujours le même graphique, mais sous forme de boîtes à moustaches verticales.

sns.boxplot(data=df, x="intensity_mean", y="file_name")

<AxesSubplot: xlabel='intensity_mean', ylabel='file_name'>
../_images/ef77a01adaa5c5887770a0a98f71164d6620643aa593ca6bf55edbdfd7b50d1a.png

La version au niveau de la figure, et plus générale, de ce type de tracé est catplot. Nous devons simplement fournir kind comme box.

sns.catplot(data=df, x="intensity_mean", y="file_name", kind="box")

<seaborn.axisgrid.FacetGrid at 0x27775d754f0>
../_images/d0ce25765ccd86b0241683da191a9c0bcdbe80e78664dfa812569071361af1f2.png

Il existe d’autres types disponibles, comme un graphique en bar.

sns.catplot(data=df, x="file_name", y="intensity_mean", kind="bar")

<seaborn.axisgrid.FacetGrid at 0x2777b1abb80>
../_images/9274917e3ee7b0c960318ae80f6988c4c99a917678a0f03cdfba37fd5323d30d.png

Histogrammes et tracés de distribution#

La fonction au niveau des axes pour tracer des histogrammes est histplot.

sns.histplot(data = df, x="intensity_mean", hue="file_name")

<AxesSubplot: xlabel='intensity_mean', ylabel='Count'>
../_images/7ce39dc708a5046c5f7cbba2d8cb2aad51d385670a372a6e7b7fc4fa246a55bd.png

Nous pouvons plutôt tracer l’estimation de densité par noyau (kde) avec la fonction kdeplot. Soyez juste prudent lors de l’interprétation de ces tracés (vérifiez quelques pièges ici)

sns.kdeplot(data=df, x="intensity_mean", hue="file_name")

<AxesSubplot: xlabel='intensity_mean', ylabel='Density'>
../_images/7050b3f1cafd17da2e1bfa96497351c411ab7fc4490ccbaca39decac64afb868.png

La fonction au niveau de la figure pour les distributions est distplot. Avec elle, vous pouvez avoir des histogrammes et des kde sur le même tracé, ou d’autres types de tracés, comme la fonction de répartition empirique (ecdf).

sns.displot(data = df, x="intensity_mean", hue="file_name", kde=True)

<seaborn.axisgrid.FacetGrid at 0x2777b77c910>
../_images/c29cb3f2d77132bfcb047fab8e390e2c0ac229b4cadf9294ccad160db8357a37.png

Exercice#

Tracez deux fonctions de répartition empiriques pour ‘area’ à partir de différents fichiers sur un même graphique avec différentes couleurs.

Répétez cela pour la propriété ‘intensity_mean’ sur une seconde figure. Déduisez si vous vous attendriez à ce que ces propriétés soient différentes ou non.

*Astuce : cherchez le paramètre kind de displot