1. Les lois de la perception visuelle appliquées aux données (Lois de Gestalt)

Un graphique efficace ne surcharge pas la mémoire de travail de son lecteur. La sémiologie graphique, théorisée par Jacques Bertin et enrichie par Edward Tufte, enseigne que l’œil humain décode prioritairement la position dans l’espace, la longueur, la couleur et la forme.

Pour concevoir un graphique percutant, respectez la règle du Data-to-Ink Ratio : maximisez la proportion d’encre consacrée aux données utiles et éliminez les éléments cosmétiques inutiles (fonds texturés, effets 3D artificiels, bordures superflues).

2. Conception graphique avancée avec Seaborn et Matplotlib

Alors que Matplotlib permet un contrôle chirurgical de chaque élément du rendu, Seaborn fournit des abstractions de haut niveau parfaitement adaptées aux DataFrames Pandas :

import seaborn as sns
import matplotlib.pyplot as plt

# Configuration du thème graphique institutionnel
sns.set_theme(style="whitegrid", palette="muted")
fig, ax = plt.subplots(figsize=(10, 6))

# Boxplot croisé avec distribution réelle des points (stripplot)
sns.boxplot(x="canton", y="depenses_sante", data=df_sante, ax=ax, showfliers=False)
sns.stripplot(x="canton", y="depenses_sante", data=df_sante, ax=ax, color=".25", alpha=0.4)

ax.set_title("Distribution des Dépenses de Santé par Canton Romand (2026)", fontsize=14, pad=15)
ax.set_xlabel("Canton de Résidence", fontsize=11)
ax.set_ylabel("Montant Annuel Moyen (CHF)", fontsize=11)
plt.tight_layout()
plt.show()

3. Choisir le graphique adapté à votre question analytique

  • Évolution temporelle : Graphique linéaire (Line Chart) avec aires ombrées d’incertitude.
  • Comparaison de catégories discrètes : Diagramme en barres horizontales ordonnées par valeur décroissante.
  • Distribution d’une variable continue : Histogramme avec estimation de densité par noyau (KDE) ou Violin Plot.
  • Relation entre deux variables numériques : Nuage de points (Scatter Plot) avec droite de régression et code couleur catégoriel.
PreviousNext