Pièges et cas limites

Valeurs manquantes, formats de date incohérents, axes qui ne commencent pas à zéro — ces problèmes sont fréquents et peuvent rendre un graphique trompeur ou inutilisable.

Données manquantes (NaN)

Le comportement de Plotly face aux NaN varie selon le type de graphique :

Stratégies de nettoyage

Supprimer les lignes avec des valeurs manquantes :

df = df.dropna(subset=["chiffre_affaires", "region"])

Remplacer les valeurs manquantes par zéro :

df["chiffre_affaires"] = df["chiffre_affaires"].fillna(0)

Compléter les mois manquants dans une série temporelle :

df_full = pd.date_range("2024-01", "2024-12", freq="MS").to_frame(name="mois")
df_merged = df_full.merge(df_evolution, on="mois", how="left").fillna(0)

Cette technique est importante pour les line charts : sans elle, un mois sans données crée une rupture dans la courbe au lieu d'afficher zéro.

Gérer le DataFrame vide

Quand les filtres ne retournent aucune donnée, le DataFrame est vide. Affichez un message plutôt que de laisser Plotly lever une erreur :

if df.empty:
    st.info("Aucune donnée disponible pour les filtres sélectionnés.")
else:
    fig = px.bar(df, x="region", y="chiffre_affaires")
    st.plotly_chart(fig, use_container_width=True)

Formats de date

Les dates sont une source fréquente de problèmes. La colonne « mois » peut contenir des chaînes ("2024-01", "janvier 2024"), des objets datetime, ou des entiers. Plotly fonctionne mieux avec des datetime natifs.

Conversion avec pd.to_datetime()

df["mois"] = pd.to_datetime(df["mois"])
df["date"] = pd.to_datetime(df["date"])

Formater l'axe X

Après conversion, le format d'affichage sur l'axe X se contrôle ainsi :

fig = px.line(df, x="mois", y="chiffre_affaires")
fig.update_xaxes(dtick="M1", tickformat="%b %Y")

• dtick="M1" — un tick par mois
• tickformat="%b %Y" — affichage « Jan 2024 », « Fév 2024 », etc.

Axes dynamiques

Forcer l'axe Y à commencer à zéro

Par défaut, Plotly ajuste la plage des axes pour maximiser l'espace. Cela peut être trompeur : un bar chart dont l'axe Y commence à 900 000 au lieu de 0 exagère les différences.

fig.update_yaxes(rangemode="tozero")

Trier les catégories

Par défaut, Plotly affiche les catégories dans l'ordre du DataFrame. Pour un classement décroissant :

df_sorted = df.sort_values("chiffre_affaires", ascending=False)
fig = px.bar(
    df_sorted,
    x="region",
    y="chiffre_affaires",
    category_orders={"region": df_sorted["region"].tolist()}
)

Le paramètre category_orders force l'ordre d'affichage des catégories sur l'axe.

Rotation des labels et nombre de ticks

Quand les labels sont longs ou nombreux, deux ajustements sont utiles :

fig.update_xaxes(tickangle=45)
fig.update_layout(xaxis_nticks=12)

• tickangle=45 — incline les labels à 45 degrés
• xaxis_nticks=12 — limite le nombre de ticks affichés

À retenir