Python

Comment créer un graphique simple avec matplotlib en Python ?

Résumer avec l'IA ChatGPT Claude
Installez Matplotlib avec pip, préparez deux listes de même longueur, créez la figure avec fig, ax = plt.subplots(), tracez avec ax.plot(x, y), ajoutez titre et noms d'axes, puis affichez avec plt.show() ou enregistrez avec fig.savefig(). Choisissez courbe, barres, nuage de points ou histogramme selon ce que vous voulez montrer.

Pour créer un graphique simple avec Matplotlib, installez la bibliothèque avec pip install matplotlib, préparez deux listes de même longueur (les abscisses et les ordonnées), tracez-les avec ax.plot(x, y), ajoutez un titre et des noms d'axes, puis affichez le résultat avec plt.show() ou enregistrez-le avec savefig(). Une dizaine de lignes suffit. Voici la méthode complète, avec un exemple réutilisable et les erreurs qui reviennent le plus souvent.

Installer Matplotlib

Matplotlib s'installe avec pip, idéalement dans un environnement virtuel propre au projet. Si Python n'est pas encore en place sur votre poste, commencez par le guide pour installer Python et configurer son environnement.

python -m pip install matplotlib

La version 3.11.2 de Matplotlib, publiée en septembre 2026, demande Python 3.11 ou plus récent. Les dépendances (NumPy, Pillow et quelques autres) sont installées automatiquement, inutile de les ajouter une par une. Pour vérifier, lancez python -c "import matplotlib; print(matplotlib.__version__)". Si l'import échoue alors que l'installation s'est bien passée, le paquet est sans doute installé dans un autre Python : l'article sur l'import des bibliothèques Python explique comment s'y retrouver.

Votre premier graphique en une dizaine de lignes

Prenons un cas concret : le chiffre d'affaires mensuel d'une petite activité sur six mois. Les chiffres sont fictifs, à remplacer par les vôtres.

import matplotlib.pyplot as plt

mois = ["Jan", "Fév", "Mar", "Avr", "Mai", "Juin"]
ca = [12.4, 13.1, 11.8, 14.6, 15.2, 16.0]  # en milliers d'euros

fig, ax = plt.subplots()
ax.plot(mois, ca, marker="o")
ax.set_title("Chiffre d'affaires mensuel")
ax.set_xlabel("Mois")
ax.set_ylabel("CA (k€)")
plt.show()

La ligne fig, ax = plt.subplots() crée la figure (la zone de dessin) et un système d'axes. Toutes les commandes suivantes s'adressent à ax. marker="o" place un point sur chaque mois, ce qui rend les valeurs lisibles. Enfin, plt.show() ouvre une fenêtre avec le graphique quand vous lancez un script. Dans un notebook Jupyter, le graphique s'affiche directement sous la cellule.

Pourquoi ax.plot plutôt que plt.plot ?

Vous croiserez souvent la forme courte plt.plot(x, y). Elle fonctionne et convient pour un essai rapide. La documentation de Matplotlib conseille toutefois le style « orienté objet », avec fig et ax, pour les graphiques plus complexes et le code destiné à être réutilisé. Prendre cette habitude dès le premier graphique vous évite de réapprendre la syntaxe le jour où vous voudrez deux graphiques côte à côte.

Choisir le bon type de graphique

Un graphique simple n'est pas toujours une courbe. Le type dépend de la question à laquelle le lecteur doit répondre.

Ce que vous voulez montrerType de graphiqueMéthode
Une évolution dans le tempsCourbeax.plot(x, y)
Une comparaison entre catégoriesBarresax.bar(categories, valeurs)
Le lien entre deux mesuresNuage de pointsax.scatter(x, y)
La répartition d'une série de valeursHistogrammeax.hist(valeurs, bins=10)

Pour passer de la courbe aux barres dans l'exemple, il suffit de remplacer ax.plot(mois, ca, marker="o") par ax.bar(mois, ca). Le reste du code ne change pas.

Personnaliser couleurs, styles et légende

Trois paramètres couvrent l'essentiel : color (un nom comme "red" ou un code hexadécimal), linestyle ("-" pour un trait plein, "--" pour des tirets, ":" pour des pointillés) et linewidth pour l'épaisseur. Il existe aussi un raccourci : la chaîne "ro" trace des ronds rouges, "b--" une ligne bleue en tirets.

Dès que deux séries partagent le graphique, nommez-les avec label et appelez ax.legend() :

objectif = [12, 13, 13, 14, 15, 15]
ax.plot(mois, ca, marker="o", label="Réalisé")
ax.plot(mois, objectif, linestyle="--", color="gray", label="Objectif")
ax.legend()
ax.grid(alpha=0.3)

Une convention lisible consiste à tracer le réel en trait plein et la cible ou la prévision en tirets. Le graphique reste compréhensible imprimé en noir et blanc. Si les titres sont coupés à l'enregistrement, ajoutez fig.tight_layout() avant d'afficher ou de sauvegarder.

Enregistrer le graphique en image ou en PDF

La fonction savefig() déduit le format de l'extension du fichier :

fig.savefig("ca-mensuel.png", dpi=300, bbox_inches="tight")
fig.savefig("ca-mensuel.pdf")

Le PNG convient pour un e-mail, une présentation ou une page web. dpi=300 donne une image nette à l'impression, et bbox_inches="tight" retire les marges blanches inutiles. Le PDF et le SVG sont des formats vectoriels : ils restent nets à n'importe quelle taille, ce qui les rend adaptés à un rapport.

Appelez savefig() avant plt.show(). Dans de nombreux environnements, la fermeture de la fenêtre libère la figure, et un enregistrement fait après peut produire une image vide. Sur un serveur sans écran, ou dans un script lancé automatiquement, n'appelez pas show() du tout : savefig() suffit.

Les erreurs fréquentes du premier graphique

La plus courante est ValueError: x and y must have same first dimension. Vos deux listes n'ont pas le même nombre d'éléments : comptez-les, il manque souvent un mois ou une valeur.

Deuxième cas : le script se termine sans rien afficher. Il manque plt.show(), ou le script tourne dans un environnement sans affichage. Enregistrez alors le graphique dans un fichier. Troisième piège : des nombres lus dans un fichier CSV restent parfois du texte, et l'axe les classe alors comme des catégories. Convertissez-les avec float() ou, mieux, chargez le fichier avec pandas.

Aller plus loin avec vos propres données

Dans un usage pro, les données viennent rarement de listes tapées à la main. Elles sortent d'un export Excel ou CSV. Le guide pour analyser des données avec pandas montre comment charger et préparer un fichier. Il suffit ensuite de passer les colonnes à ax.plot() ou ax.bar(). Pour un parcours complet, de la préparation des données à leur visualisation, la formation data science pour manipuler, analyser et visualiser des données avec Python reprend ces étapes sur des cas concrets. Si vous partez de zéro en programmation, la formation Python préparant la certification TOSA couvre les bases du langage, Pandas et les graphiques.

Les formations liées à cet article

Pour aller plus loin sur le sujet, avec un formateur SENZA.

Ils ont suivi une formation avec SENZA

Les avis de nos apprenants.

Autres articles similaires

Python Comment utiliser les variables, listes et dictionnaires en Python ? 9 septembre 2025 · 6 minutes de lecture Python Quels exercices pratiques pour progresser rapidement en Python ? 1 novembre 2025 · 7 minutes de lecture Python Comment manipuler des fichiers texte avec Python (ouvrir, lire, écrire) ? 3 octobre 2025 · 7 minutes de lecture

E-book gratuit

Téléchargez notre programme de formation

Formation Python