# Bibliothéque matplotlib.pyplot

Il s'agit d'une bibliothéque essentielle pour nous en physique car c'est notre outil principal de visualization de nos résultats expérimentaux.

matplotlib est une bibliothéques vaste avec beaucoup de possibilité de visualisation des données, allant des nuages de points (notre utilisation principale au lycée), jusqu'aux camembers, histogrammes, bar-graphes ...

La commande la plus basique de création d'un graphique/tracé est plot (verbe anglais pour "tracer un graphique").

La fonction plot prend au moins deux arguments : abscisse, et ordonnée. Mais, elle peut prendre plus aussi : ce sont des paramètres optionnels qui permettent d'affiner l'apparence du graphique. On les verra dans une sous-partie qui suit. Il est important de noter que l'argument d'ordonnée peut etre une série de valeur (comme un array), ou une fonction.

Si après important nous avons nommée la bibliothéque plt la commande devient plt.plot(abscisse,ordonnée)

Il nous faut au moins une deuxième fonction dans matplotlib afin d'afficher notre graphique : show(), qui indique à PYTHON d'afficher le graphique que l'on vient de créer.

Exemple :

import numpy as np
import matplotlib.pyplot as plt

X = np.array([0, 1, 3, 5, 10])
Y = np.array([0, 2, 6, 7, 15])

plt.plot(X,Y)
plt.show()

ce qui donne :

Bon, c'est en effet un graphique, minimaliste ... trop minimaliste pour nous en physique (on veut un nuage de points, car relier les mesures comme ça n'a aucun sens physique pour nous!). Mais on a le minimum pour créer un graphique maintenant.

Il y a quelques fonctions supplémenatires à apprendre afin de pouvoir créer un graphique plus digne de ce nom ! dans un premier temps nous allons apprendre à ajouter quelques paramètres optionnels à la fonction plot et puis ajouter d'autres fonctions pour complèter le graphique.

Paramètres optionnels de formatage de la fonction plot :

• couleur : 'b' -> bleu, 'r' -> rouge, 'g' -> vert, 'k' -> noir
• marquer (style des points des données) : 'x' -> croix, '+' des + , 'o' -> des ronds , 's' -> des carrés , 'D' -> des losanges, '^' -> des triangles
• style des lignes/coursbes : '-' -> ligne continue, '--' -> ligne pointillée, '-.' -> ligne mixte, ':' -> ligne en pointillées
• label : afin de donner une étiquette à une courbe qui apparaîtra dans la légende. Ex : label="angles en radians"

Quelques fonctions supplémentaires pour le formattage du graphique :

• title() : permet la création du titre du graphique
• xlabel() et ylabel() : permettent de donne le titre de chaque axe
• legend() : ajoute une légendre au graphique, ce qui serait nécessaire dans les cas où nous visualisons plusieurs courbes à la fois.
• grid() : permet d'afficher un quadrillage sur le graphique.
• xlim() et ylim() : permet de vous définir les valeurs max/min de vos axes

Nous avons besoin, souvent, de mettres deux ou plusieurs courbes/séries de valeur sur un même graphique. C'est très facile de faire cela en PYTHON. Il suffit de créer chaque courbe avec une fonctioni plot séparée avant de donner l'instruction d'affiche avec show(). Voici un exemple :

import numpy as np
import matplotlib.pyplot as plt

W = np.array([0, 1, 2, 3, 4, 5])
X = np.array([0, 2, 4, 6, 8, 10])
Y = np.array([0, 4, 8, 12, 16, 20])

plt.plot(W,X)
plt.plot(W,Y)
plt.show()

Ce qui donne le graphique suivant :

Vous voyez maintenant l'intérêt du formattage et l'étiquettage de vos graphiques !

Un exemple plus complet donc :

import numpy as np
import matplotlib.pyplot as plt

W = np.array([0, 1, 2, 3, 4, 5])
X = np.array([0, 2, 4, 6, 8, 10])
Y = np.array([0, 4, 8, 12, 16, 20])

plt.plot(W,X, 'xg', label="X = f(W)")
plt.plot(W,Y, 'Db', label="Y = f(W)")
plt.xlabel("Grandeur en abscisse")
plt.ylabel("Grandeur en ordonnée")
plt.title("Titre de mon graphique")
plt.grid()
plt.legend()
plt.show()

Ce qui donne :

Jolie n'est-ce pas?