Introduction à l’analyse de données

Séance 12 - Figures - Reproductibilité

Emmanuel Coquery

http://emmanuel.coquery.pages.univ-lyon1.fr/enseignement/ue8/

Vu précédement

  • Données tabulaires
  • Pandas, Dataframes, Series, indexes
  • Filtrer les données (colonnes, lignes)
  • Combiner des données, (concat, jointure, aggrégation)
  • Figures (2D, 3D)
  • Indexation à plusieurs niveaux, cubes
  • SQL

Personnalisation de figures

Rappel Line plot en Matplotlib

import matplotlib.pyplot as plt
import matplotlib as mpl
ma_serie = (ma_dataframe
            .set_index("colonne_x")
            .sort_index()
            ["colonne_y"])
fig, ax = plt.subplots()
ax.plot(ma_serie)

Légendes abcisse / ordonnée

ax.set_xlabel("ma légende sur les abscisses")
ax.set_ylabel("ma légende sur les ordonnées")
ax.plot(...)

Échelle abcisse / ordonnée

ax.axis([x_min, x_max, y_min, y_max])
ax.plot(...)

Styles de lignes

ax.plot(ma_serie, color="green", linestyle=":")
  • couleurs:
    • par nom (réf)
    • par valeurs RVB dans [0, 1], e.g. (0.1, 0.2, 0.5)
    • par valeurs RVB en hexadécimal, e.g. #c2a8f3
  • linestyles: '-', '--', '-.', ':', …

Lignes multiples et légendes

ax.plot(ma_serie1, label="Série 1")
ax.plot(ma_serie2, label="Série 2")
ax.legend()

Exercice

Tracer une figure du temps de réaction moyen de selon la différence de distance symbolique avec deux courbes: une pour les essais réussis et une pour pour les échecs.

Science ouverte & reproductibilité

Reproduire pour vérifier

  • erreurs
    • de manipulation
    • de calcul
    • d’interprétation
    • de méthode

Pour reproduire

  • données (ouvertes)
  • codes de calcul (ouverts)
    • de l’acquisition
    • à la production des éléments interpétés:
      • mesures statistiques
      • tableaux
      • figures

Données ouvertes (FAIR)

  • Findable (trouvables, donc bien référencées)
  • Accessible (suffisement faciles à récupérer)
  • Interoperable (dans un format exploitable, avec une interprétation claire)
  • Reusable (licence d’utilisation, description des données, de leur provenance)

Codes de calcul pour la reproductibilité

  • Code accessible (e.g. référencé sur Software Heritage), avec une licence ouverte
  • Code compréhensible (noms clair, commentaires, simplicité de lecture)
  • Environnement logiciel maîtrisé et bien décrit (versions de langage, de bibliothèque, système)