Choisir le bon graphique

Savoir créer un bar chart ou un line chart ne suffit pas — il faut savoir quand utiliser chaque type. Un graphique mal choisi peut être trompeur ou inutile. Cette page propose un cadre de décision.

Le principe : question analytique → type de graphique

Le choix du graphique dépend de la question analytique que vous cherchez à répondre, pas des données elles-mêmes. Le même DataFrame peut être visualisé de trois façons différentes selon la question posée.

Arbre de décision

Graphiques complémentaires : area, box, heatmap

Trois types complémentaires aux quatre graphiques principaux (bar, line, pie, scatter).

Area chart — volume cumulé dans le temps

L'area chart est un line chart avec la zone sous la courbe remplie. Il met en valeur le volume autant que la tendance.

import plotly.express as px

fig = px.area(
    df_evolution,
    x="mois",
    y="chiffre_affaires",
    color="region",
    title="Évolution du CA par région (cumulé)",
    labels={"chiffre_affaires": "CA (€)", "mois": "Mois"}
)
st.plotly_chart(fig, use_container_width=True)

Box plot — distribution et écarts

Le box plot résume la distribution d'une variable : médiane, quartiles, valeurs extrêmes. Utile pour comparer les distributions entre catégories.

fig = px.box(
    df_produits,
    x="categorie",
    y="prix_unitaire",
    title="Distribution des prix par catégorie",
    labels={"prix_unitaire": "Prix unitaire (€)", "categorie": "Catégorie"}
)
st.plotly_chart(fig, use_container_width=True)

Le hover affiche automatiquement la médiane, les quartiles Q1/Q3 et les bornes (min/max hors outliers). Les points au-delà des moustaches sont des outliers — des valeurs atypiques qui méritent attention.

Heatmap — matrice de corrélation

La heatmap visualise une matrice de valeurs numériques avec un code couleur. Usage courant en BI : la matrice de corrélation.

import plotly.express as px

# Calculer la matrice de corrélation
corr_matrix = df[["prix_unitaire", "volume_ventes", "chiffre_affaires", "marge"]].corr()

fig = px.imshow(
    corr_matrix,
    text_auto=".2f",
    color_continuous_scale="RdBu_r",
    title="Matrice de corrélation"
)
st.plotly_chart(fig, use_container_width=True)

Le paramètre text_auto=".2f" affiche les valeurs de corrélation directement sur chaque cellule (formatées à 2 décimales). color_continuous_scale="RdBu_r" applique un dégradé rouge-bleu classique pour les corrélations.

Erreurs courantes à éviter

Pie chart avec trop de catégories

Un pie chart avec 15 catégories est illisible — les parts sont trop petites pour être comparées. Au-delà de 5-6 catégories, utilisez un bar chart horizontal trié par valeur décroissante.

Bar chart pour une série temporelle

Un bar chart mensuel peut fonctionner, mais il masque la tendance. Le line chart connecte les points et rend la tendance perceptible. Réservez le bar chart temporel aux comparaisons de périodes discrètes (T1 vs T2, année N vs N-1).

Scatter plot avec trop peu de points

Un scatter plot avec 5 points ne révèle aucune corrélation — il faut au minimum une vingtaine de points pour qu'un pattern émerge. Avec peu de données, un tableau ou un bar chart est plus informatif.

À retenir