Cheat Sheet Matplotlib : Référence rapide pour vos travaux de visualisation

import matplotlib.pyplot as plt
import numpy as np

# Configuration du style
plt.style.use('ggplot')  # Autres options: 'seaborn', 'fivethirtyeight', 'bmh'...

# Configuration des paramètres globaux
plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['font.sans-serif'] = ['Arial']
plt.rcParams['axes.titlesize'] = 16
plt.rcParams['figure.figsize'] = (10, 6)
plt.rcParams['figure.dpi'] = 100

# Méthode 1: Création implicite
plt.figure(figsize=(10, 6))
plt.plot([1, 2, 3], [4, 5, 6])
plt.title('Titre du graphique')

# Méthode 2 (recommandée): Création explicite
fig, ax = plt.subplots(figsize=(10, 6))
ax.plot([1, 2, 3], [4, 5, 6])
ax.set_title('Titre du graphique')

# Création de plusieurs sous-graphiques
fig, axes = plt.subplots(2, 3, figsize=(15, 8))  # 2 lignes, 3 colonnes
axes[0, 0].plot([1, 2, 3], [4, 5, 6])
axes[0, 1].scatter([1, 2, 3], [4, 5, 6])

# Avec GridSpec pour des dispositions complexes
from matplotlib.gridspec import GridSpec
fig = plt.figure(figsize=(12, 8))
gs = GridSpec(2, 3, figure=fig)
ax1 = fig.add_subplot(gs[0, :2])  # Première ligne, 2 premières colonnes
ax2 = fig.add_subplot(gs[0, 2])   # Première ligne, dernière colonne
ax3 = fig.add_subplot(gs[1, :])   # Seconde ligne, toutes les colonnes

x = np.linspace(0, 10, 100)
y = np.sin(x)

# Graphique simple
plt.plot(x, y)

# Personnalisation des lignes
plt.plot(x, y, 'r-', label='Sinus')  # 'r-' = ligne rouge
plt.plot(x, np.cos(x), 'b--', linewidth=2, label='Cosinus')  # ligne bleue en pointillés

# Styles de lignes: '-', '--', '-.', ':'
# Couleurs: 'b'=bleu, 'g'=vert, 'r'=rouge, 'c'=cyan, 'm'=magenta, 'y'=jaune, 'k'=noir, 'w'=blanc

# Avec objets axes
fig, ax = plt.subplots()
ax.plot(x, y, color='#FF5733', linestyle='--', linewidth=2, marker='o', 
       markersize=5, markerfacecolor='white', label='Étiquette')

# Nuage de points simple
plt.scatter(x, y)

# Personnalisation 
plt.scatter(x, y, s=100, c=y, cmap='viridis', alpha=0.7, edgecolors='black')
# s: taille des points, c: couleur, cmap: palette de couleurs, alpha: transparence

# Avec objets axes
fig, ax = plt.subplots()
scatter = ax.scatter(x, y, c=y, s=np.abs(y)*100, cmap='plasma')
fig.colorbar(scatter, ax=ax, label='Valeur Y')

categories = ['A', 'B', 'C', 'D', 'E']
values = [15, 34, 23, 13, 47]

# Barres verticales
plt.bar(categories, values, color='skyblue', edgecolor='navy')

# Barres horizontales
plt.barh(categories, values, color='lightgreen', edgecolor='darkgreen')

# Barres groupées
x = np.arange(len(categories))
width = 0.35
fig, ax = plt.subplots()
ax.bar(x - width/2, values, width, label='Série 1')
ax.bar(x + width/2, [10, 25, 30, 15, 40], width, label='Série 2')
ax.set_xticks(x)
ax.set_xticklabels(categories)
ax.legend()

# Données aléatoires
data = np.random.randn(1000)

# Histogramme simple
plt.hist(data, bins=30)

# Personnalisation
plt.hist(data, bins=30, density=True, alpha=0.7, color='skyblue', 
         edgecolor='black', histtype='bar', rwidth=0.85)

# Histogrammes multiples
fig, ax = plt.subplots()
ax.hist([np.random.normal(0, 1, 1000), np.random.normal(2, 1, 1000)], 
        bins=30, label=['Dist A', 'Dist B'], alpha=0.7)
ax.legend()

# Données aléatoires
data = [np.random.normal(0, std, 100) for std in range(1, 5)]

# Box plot simple
plt.boxplot(data)

# Personnalisation
fig, ax = plt.subplots()
box = ax.boxplot(data, patch_artist=True, notch=True, labels=['Groupe 1', 'Groupe 2', 'Groupe 3', 'Groupe 4'])

# Personnalisation des couleurs
colors = ['lightblue', 'lightgreen', 'tan', 'pink']
for patch, color in zip(box['boxes'], colors):
    patch.set_facecolor(color)

labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]

# Camembert simple
plt.pie(sizes, labels=labels)

# Personnalisation
fig, ax = plt.subplots()
ax.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90, shadow=True,
      colors=['#ff9999','#66b3ff','#99ff99','#ffcc99'], explode=(0.1, 0, 0, 0))
ax.axis('equal')  # Pour un cercle parfait

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.sin(x) + 1

# Remplissage entre deux courbes
plt.fill_between(x, y1, y2, alpha=0.5, color='skyblue')

# Remplissage jusqu'à y=0
plt.fill_between(x, y1, 0, where=(y1 > 0), alpha=0.3, color='green')
plt.fill_between(x, y1, 0, where=(y1 < 0), alpha=0.3, color='red')

data = np.random.rand(10, 12)

# Carte de chaleur simple
plt.imshow(data, cmap='viridis')
plt.colorbar()

# Personnalisation
fig, ax = plt.subplots(figsize=(10, 8))
heatmap = ax.imshow(data, cmap='YlOrRd', interpolation='nearest')
cbar = fig.colorbar(heatmap, ax=ax)
cbar.set_label('Intensité')

# Avec annotation des valeurs
for i in range(data.shape[0]):
    for j in range(data.shape[1]):
        ax.text(j, i, f'{data[i, j]:.2f}', ha='center', va='center', 
               color='white' if data[i, j] > 0.5 else 'black')

fig, ax = plt.subplots()
ax.plot(x, y)

# Titres et étiquettes
ax.set_title('Titre principal', fontsize=16, fontweight='bold')
ax.set_xlabel('Axe X', fontsize=12)
ax.set_ylabel('Axe Y', fontsize=12)

# Titre de figure (au-dessus du graphique)
fig.suptitle('Titre de la figure', fontsize=18, y=0.98)

# Rotation des étiquettes
ax.set_xticklabels(labels, rotation=45, ha='right')

# Grille
ax.grid(True, linestyle='--', alpha=0.7)
ax.grid(axis='y', linestyle='-', alpha=0.5)  # Grille uniquement sur l'axe Y

# Limites des axes
ax.set_xlim([0, 10])
ax.set_ylim([-1, 1])

# Échelles logarithmiques
ax.set_xscale('log')
ax.set_yscale('log')

# Inversion d'un axe
ax.invert_yaxis()

ax.legend(loc='best')  # Options: 'upper left', 'lower right', etc.

# Légende personnalisée
ax.legend(loc='upper right', frameon=True, framealpha=0.8, 
         ncol=2, title='Légende')

# Texte simple
ax.text(5, 0.5, 'Texte personnalisé', fontsize=12, ha='center', va='center')

# Flèche
ax.annotate('Valeur max', xy=(5, 0.8), xytext=(7, 0.5),
            arrowprops=dict(facecolor='black', shrink=0.05, width=1.5))

# Zone surlignée
ax.axvspan(2, 4, alpha=0.2, color='green')  # Zone verticale
ax.axhspan(-0.5, 0.5, alpha=0.2, color='yellow')  # Zone horizontale

# Lignes de référence
ax.axvline(x=5, color='r', linestyle='--')  # Ligne verticale
ax.axhline(y=0, color='k', linestyle='-')  # Ligne horizontale

# Ajout d'une barre de couleur
scatter = ax.scatter(x, y, c=y, cmap='viridis')
cbar = fig.colorbar(scatter, ax=ax)
cbar.set_label('Valeurs')

# Personnalisation de la colorbar
cbar = fig.colorbar(scatter, ax=ax, orientation='horizontal', pad=0.2)
cbar.ax.set_title('Échelle de couleurs')

fig, ax1 = plt.subplots()

# Premier axe Y
ax1.plot(x, y, 'b-')
ax1.set_xlabel('X')
ax1.set_ylabel('Y1', color='b')
ax1.tick_params(axis='y', colors='b')

# Second axe Y
ax2 = ax1.twinx()
ax2.plot(x, np.cos(x), 'r-')
ax2.set_ylabel('Y2', color='r')
ax2.tick_params(axis='y', colors='r')

from matplotlib import gridspec

fig = plt.figure(figsize=(12, 8))
gs = gridspec.GridSpec(2, 2, width_ratios=[2, 1], height_ratios=[1, 2])

ax1 = fig.add_subplot(gs[0, 0])  # en haut à gauche
ax2 = fig.add_subplot(gs[0, 1])  # en haut à droite
ax3 = fig.add_subplot(gs[1, :])  # bas (toute la largeur)

from mpl_toolkits.mplot3d import Axes3D

# Surface 3D
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')

X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
Z = np.sin(np.sqrt(X**2 + Y**2))

surf = ax.plot_surface(X, Y, Z, cmap='coolwarm', linewidth=0, antialiased=True)
fig.colorbar(surf, ax=ax, shrink=0.5, aspect=5)

# Nuage de points 3D
ax.scatter(X, Y, Z, c='r', marker='o')

# Ligne 3D
zline = np.linspace(0, 15, 100)
xline = np.sin(zline)
yline = np.cos(zline)
ax.plot3D(xline, yline, zline, 'gray')

# Affichage du graphique
plt.tight_layout()  # Ajustement automatique des marges
plt.show()

# Sauvegarde dans différents formats
plt.savefig('graphique.png', dpi=300, bbox_inches='tight')  # PNG
plt.savefig('graphique.pdf', format='pdf')  # PDF
plt.savefig('graphique.svg', format='svg')  # SVG vectoriel

import matplotlib.animation as animation

fig, ax = plt.subplots()
x = np.arange(0, 2*np.pi, 0.01)
line, = ax.plot(x, np.sin(x))

def animate(i):
    line.set_ydata(np.sin(x + i/10))
    return line,

ani = animation.FuncAnimation(fig, animate, frames=100, interval=50, blit=True)
ani.save('animation.gif', writer='pillow', fps=20)

couleurs = {
    'bleu_principal': '#1f77b4',
    'orange': '#ff7f0e',
    'vert': '#2ca02c',
    'rouge': '#d62728',
    'violet': '#9467bd',
    'marron': '#8c564b',
    'rose': '#e377c2',
    'gris': '#7f7f7f',
    'jaune': '#bcbd22',
    'turquoise': '#17becf'
}

'o': cercle
's': carré
'^': triangle vers le haut
'v': triangle vers le bas
'<', '>': triangles gauche/droite
'D': diamant
'*': étoile
'+', 'x': plus, croix
'.': point

'-': ligne continue
'--': ligne tiretée
'-.': ligne alternant tirets et points
':': ligne pointillée

# Séquentiel (pour un seul paramètre qui augmente)
colormaps_seq = ['viridis', 'plasma', 'inferno', 'magma', 'cividis', 'Blues', 'Greens', 'Reds', 'YlOrBr']

# Divergent (pour données centrées autour d'une valeur moyenne)
colormaps_div = ['PiYG', 'PRGn', 'BrBG', 'RdBu', 'RdGy', 'coolwarm']

# Cyclique (pour données angulaires, périodiques)
colormaps_cyc = ['twilight', 'hsv', 'twilight_shifted']

# Qualitatif (pour catégories discrètes)
colormaps_qual = ['Pastel1', 'Pastel2', 'Paired', 'Set1', 'Set2', 'tab10', 'tab20']