Python Academy · Leçon

Notions de tableaux de bord

Combiner des graphiques dans des tableaux de bord

Notions de tableaux de bord est une leçon Python Academy gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Python Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Python Academy comprend 4 leçons au total.

Des graphiques aux tableaux de bord

Un seul graphique répond à une question. Un tableau de bord rassemble plusieurs graphiques connexes afin que l'utilisateur puisse surveiller une situation complète en un coup d'œil.

En construire un consiste à décider quels graphiques associer, comment les disposer et comment ils s'articulent.

Sous-graphiques dans Plotly

Pour placer plusieurs graphiques Plotly dans une même figure, utilisez make_subplots(rows, cols) de plotly.subplots. Ajoutez ensuite chaque tracé dans une cellule précise avec fig.add_trace(trace, row=1, col=2).

C'est l'équivalent Plotly de la grille de sous-graphiques de Matplotlib.

Planifier la grille

Avant de coder, esquissez la grille. Décidez du nombre de lignes et de colonnes, ainsi que du contenu de chaque cellule. Le calcul est le même que pour toute disposition en grille.

panels = ['Revenue trend', 'Top products', 'Region map', 'Conversion %']
rows, cols = 2, 2
for i, p in enumerate(panels):
    r = i // cols + 1
    c = i % cols + 1
    print('row', r, 'col', c, '->', p)

Types de graphiques mixtes

Un tableau de bord mélange généralement plusieurs types : une courbe pour les tendances, un diagramme à barres pour les classements et un nombre pour un indicateur clé. make_subplots peut tous les accueillir, et vous pouvez définir le type de chaque cellule avec l'argument specs (par exemple, un camembert nécessite type='domain').

Cartes d'indicateurs clés

Les tableaux de bord commencent souvent par de grands nombres isolés : les KPI. Le tracé Indicator de Plotly affiche une valeur, un écart facultatif par rapport à une cible et une jauge.

L'écart correspond simplement à la valeur actuelle moins la valeur précédente.

current = 1280
previous = 1150
delta = current - previous
pct = delta / previous * 100
print('Value:', current)
print('Delta:', '+' + str(delta), '(' + format(pct, '.1f') + '%)')

Titres et disposition communs

Donnez au tableau de bord un titre général avec fig.update_layout(title_text='Sales Dashboard'), et définissez les titres de chaque panneau via l'argument subplot_titles de make_subplots. Une disposition cohérente donne l'impression que les panneaux forment un seul produit.

Dash pour les tableaux de bord web

Pour les tableaux de bord web interactifs avec des menus déroulants et des filtres, le cadriciel associé à Plotly, Dash, est la solution de référence. Il associe les figures Plotly à des commandes HTML et à des fonctions de rappel qui mettent à jour les graphiques lorsque les entrées changent.

Une figure statique composée de sous-graphiques suffit pour les rapports ; Dash est destiné aux applications dynamiques.

Fonctions de rappel : l'idée centrale

Une fonction de rappel Dash associe des entrées (comme la valeur d'un menu déroulant) à des sorties (comme un graphique). Lorsque l'entrée change, la fonction s'exécute de nouveau et renvoie une nouvelle figure. Le principe est : une entrée, puis une figure en sortie.

def update_chart(selected_region):
    data = {'North': [1, 2, 3], 'South': [3, 2, 1]}
    series = data.get(selected_region, [])
    return {'region': selected_region, 'values': series}

print(update_chart('North'))
print(update_chart('South'))

Principes de disposition

Les bons tableaux de bord suivent une hiérarchie :

Les KPI les plus importants en haut à gauche, là où le regard se pose en premier
Les graphiques de détail complémentaires en dessous
Des couleurs cohérentes, afin qu'une série représente la même chose partout

Évitez de tout entasser ; les espaces vides facilitent la compréhension.

Prendre en compte les performances

Un grand nombre de graphiques et de jeux de données volumineux peuvent ralentir un tableau de bord. Agrégez les données avant de les représenter, limitez le nombre de points et ne recalculez que les panneaux dont les entrées ont changé. Les tableaux de bord réactifs sont utilisés ; les tableaux de bord lents sont abandonnés.

Filtres et filtrage croisé

Les tableaux de bord avancés permettent à une sélection de mettre à jour plusieurs graphiques à la fois : on parle de filtrage croisé. Cliquer sur une région d'une carte filtre les panneaux de tendances et de classement pour cette région.

Dans Dash, cette logique est reliée par des fonctions de rappel ; la valeur sélectionnée devient l'entrée que lisent tous les graphiques dépendants.

Vérification rapide

Testez vos connaissances sur les tableaux de bord.

Récapitulatif

Vous avez appris comment les graphiques deviennent des tableaux de bord :

make_subplots(rows, cols) + add_trace(..., row=, col=) pour créer une grille
Mélanger les types de graphiques et commencer par des cartes KPI Indicator
Dash ajoute des commandes interactives grâce aux fonctions de rappel qui associent une entrée à une figure
Suivre une hiérarchie visuelle et surveiller les performances

Questions Fréquemment Posées

La leçon « Notions de tableaux de bord » est-elle gratuite ?

Oui — le texte complet de « Notions de tableaux de bord » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Python Academy, passe à CoddyKit PRO. Le cours Python Academy comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Notions de tableaux de bord » ?

Combiner des graphiques dans des tableaux de bord Tu pratiques Python Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer Python Academy ?

Aucune expérience préalable n'est requise. Python Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.

Combien de temps prend la leçon « Notions de tableaux de bord » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon Python Academy ?

Oui. Chaque leçon Python Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

← Retour à Python Academy