# Matplotlib : Tout ce que Python sait dessiner. | Catalyseur Dev

> Découvrir Matplotlib sans écrire de code : l’anatomie d’une figure, puis les 37 types de graphiques de la documentation officielle, de la courbe aux voxels 3D, puis la personnalisation, l’export et l’animation.

Source : https://dev.catalyseurnumerique.com/guides/matplotlib/

[Accueil](https://dev.catalyseurnumerique.com/) / [Guides](https://dev.catalyseurnumerique.com/guides/) / [Visualisation de données](https://dev.catalyseurnumerique.com/guides/visualisation-de-donnees/) / Matplotlib

Panorama Niveau · Débutant ~14 min de lecture

# Matplotlib

Tout ce que Python sait dessiner.

Un tableau de chiffres se lit ligne par ligne. Un graphique se comprend d’un coup d’œil. Matplotlib est la bibliothèque Python qui transforme des données en graphiques. Ce guide ne contient aucun code : il fait le tour de ce qu’elle sait dessiner, pour savoir quoi lui demander.

**À la fin de ce guide, tu sauras :**

- Situer Matplotlib parmi les outils Python
- Nommer les éléments d’une figure
- Associer une forme de données à un type de graphique
- Repérer les possibilités d’export, d’animation et d’interaction

Thème [Visualisation de données](https://dev.catalyseurnumerique.com/guides/visualisation-de-donnees/)

Tags
- Python
- Sans code

Publié 10 novembre 2026

Au sommaire

## Dans ce guide

- 01 Qu’est-ce que Matplotlib ?
- 02 L’anatomie d’une figure
- 03 Données par paires
- 04 Distributions statistiques
- 05 Données sur grille
- 06 Données sur grille irrégulière
- 07 Données 3D et volumétriques
- 08 Composer et personnaliser
- 09 Exporter, animer, interagir
- 10 L’écosystème autour de Matplotlib
- 11 Mise en pratique : choisir le bon graphique
- 12 À retenir
- 13 Guides associés
- 14 Pour aller plus loin

## 1. Qu’est-ce que Matplotlib ?

**Matplotlib** est une bibliothèque libre et gratuite pour le langage **Python** . Créée en 2003 par John D. Hunter, elle s’inspirait des graphiques de MATLAB, d’où son nom. Elle est devenue la référence pour tracer des graphiques en Python, en sciences comme en analyse de données.

Elle produit trois sortes de résultats :

- Créer des images fixes pour un rapport, une présentation ou un site
- Animer un graphique pour montrer une évolution image par image
- Ouvrir une fenêtre interactive pour zoomer et explorer les données

L’idée centrale Matplotlib ne choisit pas le graphique à ta place. Elle fournit des briques : une figure, des axes, des tracés, du texte. **Chaque élément se règle** , de la couleur d’une ligne à la position d’une légende.

Beaucoup d’outils s’appuient sur elle sans le dire. Quand **pandas** affiche un graphique ou que **seaborn** produit une visualisation statistique, c’est Matplotlib qui dessine.

## 2. L’anatomie d’une figure

Tous les graphiques Matplotlib partagent le même vocabulaire. Le connaître aide à lire la documentation et à décrire ce que l’on veut obtenir.

- **Figure**  : la toile entière, qui peut contenir plusieurs graphiques
- **Axes**  : la zone de tracé d’un graphique, avec son repère
- **Titre**  : le message principal du graphique
- **Étiquettes d’axe**  : le nom et l’unité de chaque axe
- **Graduations**  : les repères chiffrés le long des axes
- **Grille**  : les lignes de fond qui facilitent la lecture
- **Légende**  : la correspondance entre couleurs et séries
- **Tracés**  : les courbes, barres, points ou surfaces eux-mêmes

**Attention au mot « axes » :** en français, un axe désigne une ligne graduée. Dans Matplotlib, Axes désigne tout le graphique situé dans la figure. Une figure peut donc contenir plusieurs Axes , chacun avec ses deux axes.

## 3. Données par paires

Dans la documentation : Pairwise data

Des couples (x, y) : une mesure pour chaque instant, chaque catégorie ou chaque valeur d’une fonction. C’est la famille la plus utilisée.

Lire les étiquettes Sous chaque graphique, la signature reprend celle de la documentation officielle : le nom de la fonction, puis les données attendues. En minuscules, x et y sont des séries de valeurs. En majuscules, X , Y et Z sont des grilles, c’est-à-dire des tableaux à deux dimensions.


### Courbe

Relier des points dans l’ordre pour suivre une évolution ou tracer une fonction.

Signature dans Matplotlib : plot(x, y)


### Nuage de points

Placer chaque individu selon deux mesures. Taille et couleur ajoutent deux variables.

Signature dans Matplotlib : scatter(x, y)


### Barres

Comparer des catégories par la longueur de leurs barres.

Signature dans Matplotlib : bar(x, height)


### Tiges

Marquer des valeurs ponctuelles par une tige et un point, plus légers qu’une barre.

Signature dans Matplotlib : stem(x, y)


### Zone entre deux courbes

Colorer l’écart entre deux courbes, comme une fourchette ou un minimum et un maximum.

Signature dans Matplotlib : fill_between(x, y1, y2)


### Aires empilées

Empiler des séries pour montrer un total et sa composition dans le temps.

Signature dans Matplotlib : stackplot(x, y)


### Escalier

Tracer une valeur constante par palier, comme un tarif ou un histogramme déjà calculé.

Signature dans Matplotlib : stairs(values)

**Variantes :** les barres se tracent aussi à l’horizontale, groupées ou empilées. Une courbe peut n’afficher que ses points, changer de trait ou passer en échelle logarithmique.

## 4. Distributions statistiques

Dans la documentation : Statistical distributions

Une ou plusieurs séries de valeurs dont on veut voir la répartition. Plusieurs de ces fonctions calculent elles-mêmes la distribution : elles comptent, trient et résument à ta place.


### Histogramme

Compter les valeurs par intervalle pour voir la forme de la répartition.

Signature dans Matplotlib : hist(x)


### Boîte à moustaches

Résumer médiane, quartiles et valeurs extrêmes, et comparer plusieurs groupes.

Signature dans Matplotlib : boxplot(X)


### Barres d’erreur

Afficher l’incertitude autour de chaque mesure, verticalement ou horizontalement.

Signature dans Matplotlib : errorbar(x, y, yerr, xerr)


### Violon

Montrer la forme complète de chaque distribution, là où la boîte la résume.

Signature dans Matplotlib : violinplot(D)


### Chronogramme

Aligner des événements ponctuels sur une ligne, une ligne par série.

Signature dans Matplotlib : eventplot(D)


### Histogramme 2D

Compter les points par case quand ils sont trop nombreux pour un nuage.

Signature dans Matplotlib : hist2d(x, y)


### Histogramme hexagonal

Regrouper les points dans des hexagones, pour un pavage plus régulier que les carrés.

Signature dans Matplotlib : hexbin(x, y, C)


### Camembert

Montrer les parts d’un tout, avec peu de catégories bien différentes.

Signature dans Matplotlib : pie(x)


### Fonction de répartition

Lire la part des valeurs situées sous chaque seuil.

Signature dans Matplotlib : ecdf(x)

**Camembert, avec prudence :** l’œil compare mal les angles. Au-delà de quatre ou cinq parts, ou quand elles sont proches, des barres sont plus lisibles.

## 5. Données sur grille

Dans la documentation : Gridded data

Un tableau de valeurs rangées en lignes et en colonnes : une image, une carte de températures, un champ de vent mesuré sur une grille régulière. Pour les champs, U et V donnent la composante horizontale et verticale en chaque point.


### Image et carte de chaleur

Afficher un tableau comme une image : chaque case devient un pixel coloré.

Signature dans Matplotlib : imshow(Z)


### Grille colorée

Colorer une grille dont les cases peuvent avoir des tailles différentes.

Signature dans Matplotlib : pcolormesh(X, Y, Z)


### Courbes de niveau

Relier les points de même valeur, comme sur une carte topographique.

Signature dans Matplotlib : contour(X, Y, Z)


### Niveaux remplis

Colorer les bandes entre les courbes de niveau pour lire les zones d’un coup d’œil.

Signature dans Matplotlib : contourf(X, Y, Z)


### Barbules de vent

Représenter le vent comme sur les cartes météo : direction et force par des traits.

Signature dans Matplotlib : barbs(X, Y, U, V)


### Champ de vecteurs

Dessiner une flèche de direction et d’intensité en chaque point de la grille.

Signature dans Matplotlib : quiver(X, Y, U, V)


### Lignes de courant

Suivre les trajectoires d’un écoulement, comme l’air autour d’une aile.

Signature dans Matplotlib : streamplot(X, Y, U, V)

## 6. Données sur grille irrégulière

Dans la documentation : Irregularly gridded data

Des mesures prises à des endroits dispersés, comme des stations météo. Matplotlib relie ces points en triangles, puis trace sur ce maillage.


### Courbes de niveau triangulées

Tracer des courbes de niveau à partir de points dispersés.

Signature dans Matplotlib : tricontour(x, y, z)


### Niveaux remplis triangulés

Colorer les bandes de valeurs sur un maillage de triangles.

Signature dans Matplotlib : tricontourf(x, y, z)


### Triangles colorés

Colorer chaque triangle selon la valeur mesurée.

Signature dans Matplotlib : tripcolor(x, y, z)


### Maillage

Afficher le maillage lui-même : les points et les triangles qui les relient.

Signature dans Matplotlib : triplot(x, y)

## 7. Données 3D et volumétriques

Dans la documentation : 3D and volumetric data

Des points dans l’espace, des surfaces ou des volumes. Ces graphiques passent par mplot3d, une boîte à outils livrée avec Matplotlib. Dans la fenêtre interactive, la vue pivote à la souris.


### Barres 3D

Dresser des colonnes sur un plan pour comparer des valeurs selon deux critères.

Signature dans Matplotlib : bar3d(x, y, z, dx, dy, dz)


### Zone entre deux courbes 3D

Remplir l’espace compris entre deux courbes tracées dans l’espace.

Signature dans Matplotlib : fill_between(x1, y1, z1, x2, y2, z2)


### Courbe 3D

Suivre une trajectoire dans l’espace, comme une hélice ou un parcours.

Signature dans Matplotlib : plot(xs, ys, zs)


### Vecteurs 3D

Placer des flèches dans l’espace pour un champ de forces ou de vitesses.

Signature dans Matplotlib : quiver(X, Y, Z, U, V, W)


### Nuage 3D

Placer des individus selon trois mesures.

Signature dans Matplotlib : scatter(xs, ys, zs)


### Tiges 3D

Relier chaque point au plan de base pour lire sa hauteur.

Signature dans Matplotlib : stem(x, y, z)


### Surface

Représenter une valeur selon deux dimensions, en relief coloré.

Signature dans Matplotlib : plot_surface(X, Y, Z)


### Surface triangulée

Construire une surface à partir de points dispersés reliés en triangles.

Signature dans Matplotlib : plot_trisurf(x, y, z)


### Voxels

Empiler des cubes pour représenter un volume, comme des blocs de construction.

Signature dans Matplotlib : voxels([x, y, z], filled)


### Fil de fer

Tracer une surface par son seul maillage, plus léger et transparent.

Signature dans Matplotlib : plot_wireframe(X, Y, Z)

Et aussi Au-delà de ces cinq familles, la galerie montre d’autres formes : **graphiques polaires** et radars, **diagrammes de Gantt** , **diagrammes de Sankey** pour les flux, **tableaux** sous un graphique et photos annotées.

## 8. Composer et personnaliser

Un bon graphique ne s’arrête pas au choix du type. Matplotlib permet de régler la composition, la lecture et l’apparence de chaque figure.

**Plusieurs graphiques par figure** Ranger des graphiques en grille, composer une mise en page libre, insérer un encart ou partager un axe entre graphiques.

**Échelles et axes** Passer en échelle logarithmique, afficher des dates, ajouter un second axe vertical pour une autre unité.

**Couleurs et palettes** Choisir parmi des dizaines de palettes, dont viridis , lisible en noir et blanc et par les personnes daltoniennes, avec sa barre de couleurs.

**Texte et annotations** Pointer un détail avec une flèche, afficher la valeur au bout des barres, écrire des formules mathématiques.

**Styles prêts à l’emploi** Changer tout l’aspect d’un coup avec une feuille de style : fond sombre, style épuré, rendu proche d’autres outils.

**Charte graphique** Fixer une fois les polices, couleurs et tailles par défaut pour que tous les graphiques d’un projet se ressemblent.

## 9. Exporter, animer, interagir

Une fois dessiné, un graphique peut partir dans un document, devenir une animation ou rester ouvert pour l’exploration.

Besoin Possibilité Bon à savoir

Image pour le web PNG, JPEG, WebP La résolution se règle en points par pouce (dpi)

Impression, mise en page SVG, PDF, EPS Formats vectoriels : nets à toutes les tailles

Document LaTeX PGF Le graphique reprend les polices du document

Animation GIF, MP4 Le MP4 demande l’outil gratuit FFmpeg

Exploration Fenêtre interactive Zoomer, se déplacer, lire les coordonnées, enregistrer

Petite interface Curseurs, boutons, cases Modifier un paramètre et voir le graphique changer

Notebook Jupyter Le graphique s’affiche sous la cellule, interactif avec une extension

## 10. L’écosystème autour de Matplotlib

Matplotlib sert de socle à d’autres bibliothèques, plus spécialisées ou plus rapides à utiliser.

- **pandas**  : tracer un tableau de données directement depuis ses colonnes
- **seaborn**  : obtenir des graphiques statistiques soignés avec moins de réglages
- **Cartopy**  : dessiner des cartes géographiques et leurs projections
- **mplfinance**  : tracer des chandeliers boursiers et des volumes

**Ses limites :** Matplotlib excelle pour les images de qualité publication. Pour un graphique interactif intégré à une page web, avec survol et filtres, des outils comme **Plotly** , **Bokeh** ou **Altair** sont souvent plus adaptés.

## 11. Mise en pratique : choisir le bon graphique

Avant de tracer, il faut savoir quelle question le graphique doit éclairer. Voici quatre situations :

- Les ventes mensuelles d’une boutique sur deux ans
- Le nombre d’inscrits dans chacune des douze formations d’une école
- Les notes de 300 élèves à un examen
- La taille et le poids de 500 personnes

**Objectif :** associer chaque situation à un type de graphique adapté.

- Identifier la question posée : évolution, comparaison, distribution ou relation
- Retrouver la famille correspondante dans ce guide
- Choisir un graphique dans cette famille
- Vérifier son choix sur la page Plot types de Matplotlib

**Question pour vérifier ta compréhension :**

Quel graphique choisir pour chaque situation, et pourquoi un camembert conviendrait-il mal à la deuxième ?

Afficher la réponse Les ventes mensuelles sont des données par paires, mois et montant : une courbe. Les inscrits par formation aussi : des barres, horizontales et triées pour laisser la place aux noms. Les notes forment une distribution : un histogramme ou une boîte à moustaches. Taille et poids sont deux mesures par personne : un nuage de points, ou un histogramme 2D si les points se superposent. Un camembert à douze parts proches serait illisible, car l’œil compare mal les angles.

## 12. À retenir

Matplotlib, en bref

- Transformer des données Python en graphiques fixes, animés ou interactifs
- Penser en figure, en zones de tracé et en éléments réglables
- Partir de la question : évolution, comparaison, distribution ou relation
- Préférer les longueurs aux angles pour comparer
- Exporter en vectoriel pour l’impression, en PNG pour le web

## 13. Guides associés

- [Guide · ~5 min JSON Comprendre les données structurées. →](https://dev.catalyseurnumerique.com/guides/json/)
- [Panorama · ~15 min Plotly Des graphiques interactifs pour le web. →](https://dev.catalyseurnumerique.com/guides/plotly/)
- [Panorama · ~15 min Apache ECharts Les plus beaux graphiques du web, prêts à adapter. →](https://dev.catalyseurnumerique.com/guides/echarts/)

## 14. Pour aller plus loin

Parcourir tous les types de graphiques, chacun avec son exemple :

[Matplotlib : Plot types (en anglais) → (nouvel onglet)](https://matplotlib.org/stable/plot_types/index.html)

Explorer des centaines d’exemples classés par thème :

[Matplotlib : galerie d’exemples (en anglais) → (nouvel onglet)](https://matplotlib.org/stable/gallery/index.html)

Garder sous la main les réglages principaux, sur une page :

[Matplotlib : cheatsheets officielles (en anglais) → (nouvel onglet)](https://matplotlib.org/cheatsheets/)

[← Retour aux guides](https://dev.catalyseurnumerique.com/guides/)
