Quelques données sur les doctorats et maîtrises publiés dans les universités québécoises depuis les années 1990
Démarche décrite sur mon blogue, ici.
%matplotlib inline
import csv, re, random
import pandas as pd
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from scipy import stats, integrate
import seaborn as snsOn commence par demander à pandas d'avaler le fichier CSV qui contient toutes nos données et de les placer dans la variable theses.
theses = pd.read_csv("THESES-TOTAL.csv")On fait ensuite, toujours grâce à pandas, une première analyse rapide du nombre de pages selon le type de document (doctorat ou maîtrise). Tout de suite, on a:
- le nombre total de documents dans chacun de ces deux types
- les valeurs extrêmes (min et max)
- la moyenne et la médiane (50%)
- une idée de la distribution du nombre de pages par quartile
parType = theses.groupby("type").nbPages
parType.describe()type
doctorat count 15097.000000
mean 251.340929
std 116.638041
min 46.000000
25% 172.000000
50% 226.000000
75% 302.000000
max 1578.000000
maîtrise count 40486.000000
mean 133.282023
std 54.083320
min 19.000000
25% 98.000000
50% 124.000000
75% 157.000000
max 744.000000
dtype: float64
On demande ensuite à matplotlib de faire un premier graphique. C'est un histogramme de la distribution du nombre de pages des maîtrises et doctorats par tranche de 10 pages, puisqu'on fait 50 colonnes («bins») dans un intervalle («range») qui va de 10 à 510. Le paramètre alpha indique que les colonnes auront une transparence de 50%.
parType.hist(bins=50,histtype="bar",range=(10,510), alpha=0.5)
plt.legend(["Doctorats","Maîtrises"])
plt.title("Distribution des thèses et mémoires\npar nombre de pages",size=20)<matplotlib.text.Text at 0x115e74128>
Commençons par analyser seulement les doctorats en les regroupant tous dans une variable du même nom. Pandas peut nous décrire quelques-unes des données contenues dans ce sous-ensemble:
- l'année à laquelle le doctorat a été déposé
- son nombre de pages
- la longueur de son titre
doctorats = theses.query("type == 'doctorat'")
doctorats.describe()| annee | octets | nbPages | longTitre | |
|---|---|---|---|---|
| count | 15097.000000 | 1.403500e+04 | 15097.000000 | 15097.000000 |
| mean | 2008.445320 | 1.757504e+07 | 251.340929 | 107.015566 |
| std | 6.029071 | 2.936516e+07 | 116.638041 | 41.183641 |
| min | 1990.000000 | 5.946900e+04 | 46.000000 | 14.000000 |
| 25% | 2006.000000 | 3.945502e+06 | 172.000000 | 77.000000 |
| 50% | 2010.000000 | 7.671272e+06 | 226.000000 | 102.000000 |
| 75% | 2013.000000 | 1.641865e+07 | 302.000000 | 131.000000 |
| max | 2016.000000 | 5.581489e+08 | 1578.000000 | 378.000000 |
C'est bien d'avoir des données sur l'ensemble des doctorats au Québec. Mais je suis curieux de savoir comment le nombre de pages de ces doctorats varie en fonction de l'université dans laquelle ils ont été réalisés.
Pandas nous aide ici encore en permettant d'effectuer un regroupement par université que j'ai placé dans une variable appelée doctoratsUniv.
doctoratsUniv = doctorats.groupby("universite")
doctoratsUniv.describe()| annee | longTitre | nbPages | octets | ||
|---|---|---|---|---|---|
| universite | |||||
| Concordia | count | 2079.000000 | 2079.000000 | 2079.000000 | 2.057000e+03 |
| mean | 2005.673401 | 89.589707 | 230.285233 | 8.462193e+06 | |
| std | 7.269765 | 34.370518 | 96.823321 | 8.644034e+06 | |
| min | 1990.000000 | 14.000000 | 61.000000 | 3.519070e+05 | |
| 25% | 2000.000000 | 65.000000 | 162.000000 | 4.037521e+06 | |
| 50% | 2008.000000 | 85.000000 | 210.000000 | 6.642033e+06 | |
| 75% | 2012.000000 | 108.000000 | 276.000000 | 1.041637e+07 | |
| max | 2015.000000 | 261.000000 | 1112.000000 | 1.678755e+08 | |
| HEC Montréal | count | 286.000000 | 286.000000 | 286.000000 | 0.000000e+00 |
| mean | 2006.437063 | 92.804196 | 258.132867 | NaN | |
| std | 6.136565 | 37.508784 | 145.435618 | NaN | |
| min | 1990.000000 | 26.000000 | 61.000000 | NaN | |
| 25% | 2003.000000 | 62.250000 | 152.000000 | NaN | |
| 50% | 2007.000000 | 89.000000 | 220.500000 | NaN | |
| 75% | 2012.000000 | 118.000000 | 337.250000 | NaN | |
| max | 2016.000000 | 212.000000 | 1430.000000 | NaN | |
| INRS | count | 499.000000 | 499.000000 | 499.000000 | 4.730000e+02 |
| mean | 2008.030060 | 122.625251 | 246.112224 | 2.360549e+07 | |
| std | 5.860930 | 40.343130 | 88.203599 | 3.143506e+07 | |
| min | 1990.000000 | 37.000000 | 87.000000 | 6.946860e+05 | |
| 25% | 2005.000000 | 95.000000 | 182.500000 | 4.665799e+06 | |
| 50% | 2009.000000 | 118.000000 | 231.000000 | 1.036514e+07 | |
| 75% | 2013.000000 | 146.500000 | 291.500000 | 2.675130e+07 | |
| max | 2016.000000 | 303.000000 | 682.000000 | 2.037039e+08 | |
| McGill | count | 1927.000000 | 1927.000000 | 1927.000000 | 1.927000e+03 |
| mean | 2004.746238 | 89.756098 | 246.120394 | 1.071442e+07 | |
| std | 7.590674 | 33.750700 | 104.115630 | 1.170955e+07 | |
| min | 1990.000000 | 16.000000 | 47.000000 | 4.112780e+05 | |
| 25% | 1998.000000 | 65.000000 | 182.000000 | 4.445412e+06 | |
| 50% | 2006.000000 | 85.000000 | 225.000000 | 7.978906e+06 | |
| ... | ... | ... | ... | ... | ... |
| Université Laval | std | 3.234690 | 41.847277 | 120.156801 | 4.535230e+07 |
| min | 2002.000000 | 14.000000 | 57.000000 | 4.692270e+05 | |
| 25% | 2008.000000 | 84.000000 | 174.000000 | 5.303671e+06 | |
| 50% | 2011.000000 | 109.000000 | 232.000000 | 2.043751e+07 | |
| 75% | 2014.000000 | 137.000000 | 311.000000 | 5.390143e+07 | |
| max | 2016.000000 | 378.000000 | 1478.000000 | 5.581489e+08 | |
| Université de Montréal | count | 2641.000000 | 2641.000000 | 2641.000000 | 2.641000e+03 |
| mean | 2010.151079 | 109.820144 | 283.244983 | 9.042001e+06 | |
| std | 3.687238 | 38.697944 | 121.221355 | 1.797919e+07 | |
| min | 1990.000000 | 21.000000 | 49.000000 | 1.110980e+05 | |
| 25% | 2008.000000 | 81.000000 | 202.000000 | 2.180442e+06 | |
| 50% | 2010.000000 | 107.000000 | 260.000000 | 4.277027e+06 | |
| 75% | 2013.000000 | 135.000000 | 338.000000 | 8.554617e+06 | |
| max | 2015.000000 | 259.000000 | 1578.000000 | 3.339740e+08 | |
| Université de Sherbrooke | count | 1724.000000 | 1724.000000 | 1724.000000 | 1.724000e+03 |
| mean | 2008.096868 | 117.897332 | 234.301044 | 1.658168e+07 | |
| std | 5.812250 | 43.160102 | 105.855871 | 3.248490e+07 | |
| min | 1990.000000 | 21.000000 | 46.000000 | 5.946900e+04 | |
| 25% | 2004.000000 | 88.000000 | 163.000000 | 5.499002e+06 | |
| 50% | 2009.000000 | 111.000000 | 208.000000 | 8.366110e+06 | |
| 75% | 2013.000000 | 142.000000 | 276.000000 | 1.283679e+07 | |
| max | 2016.000000 | 351.000000 | 826.000000 | 3.400589e+08 | |
| École Polytechnique | count | 576.000000 | 576.000000 | 576.000000 | 5.760000e+02 |
| mean | 2012.612847 | 96.097222 | 201.854167 | 8.199000e+06 | |
| std | 1.856910 | 31.753029 | 74.976446 | 1.215289e+07 | |
| min | 2009.000000 | 25.000000 | 84.000000 | 5.815810e+05 | |
| 25% | 2011.000000 | 73.000000 | 151.000000 | 2.738251e+06 | |
| 50% | 2013.000000 | 93.000000 | 186.000000 | 5.302887e+06 | |
| 75% | 2014.000000 | 115.250000 | 233.000000 | 9.444866e+06 | |
| max | 2016.000000 | 200.000000 | 633.000000 | 2.049431e+08 |
104 rows × 4 columns
Classons maintenant les universités en fonction du nombre médian de pages de leurs doctorats, exercice intéressant en soi qui sera également utile pour l'étape suivante.
medianesDoctoratsUniv = doctoratsUniv["nbPages"].median().sort_values(ascending=False)
medianesDoctoratsUnivuniversite
UQAM 269.0
Université de Montréal 260.0
UQAC 243.0
UQO 238.5
Université Laval 232.0
INRS 231.0
McGill 225.0
UQAT 220.5
HEC Montréal 220.5
Concordia 210.0
Université de Sherbrooke 208.0
École Polytechnique 186.0
UQTR 153.5
Name: nbPages, dtype: float64
Pour illustrer la distribution du nombre de pages des doctorats par université, le meilleur type de graphique est peut-être le box plot, qu'on peut traduire par diagramme de quartiles... ou ce que les Français ont baptisé des boîtes à moustaches (source de l'image ci-dessous : Statistique Canada).
Ces boîtes permettent d'afficher une distribution qui a été découpée en quartiles.
Les deuxième et troisième quartiles, ceux qui se trouvent de part et d'autre de la médiane, sont représentés par deux rectangles, les boîtes.
Les premier et dernier quartiles sont, quant à eux, représentés par des lignes, les moustaches.
Des valeurs excentriques peuvent enfin être représentés par des points à gauche ou à droite des lignes.
J'ai essayé d'utiliser le langage R pour en produire, comme l'a fait Markus Beck. Mais j'ai été incapable d'arriver à des résultats satisfaisants.
Après avoir essayé les librairies matplotlib et bokeh, j'ai trouvé seaborn beaucoup plus facile à utiliser.
Le code ci-dessous est relativement facile à comprendre. Matplotlib contrôle la taille finale du graphique au moyen de la méthode plt.figure, puis seaborn fait tout le reste. On remarque notamment que la méthode sns.boxplot a un paramètre qui permet d'ordonner nos boîtes (order), paramètre que j'ai alimenté avec l'index de la variable medianesDoctoratsUniv créé juste ci-dessus.
Au final, on a une idée de la distribution du nombre de pages des doctorats, par université. C'est à l'UQAM que les professeurs travaillent le plus (si on se fie au nombre de pages qu'ils doivent lire)... ou le moins (si on se fie au nombre de pages qu'ils laissent leurs doctorants écrire).
sns.set()
plt.figure(figsize=(10, 15))
sns.set_style("darkgrid", {
"axes.facecolor": "lightskyblue",
"font.family": [u"Bitstream Vera Sans"]
})
couleurs = sns.light_palette("turquoise", n_colors=13, reverse=True)
boiteDoc = sns.boxplot(y="universite",
x="nbPages",
data=doctorats,
palette=couleurs,
order=medianesDoctoratsUniv.index
)
boiteDoc.get_xaxis().set_minor_locator(mpl.ticker.AutoMinorLocator())
boiteDoc.grid(b=True, which='major', color='w', linewidth=2.0)
boiteDoc.grid(b=True, which='minor', color='w', linewidth=0.5)
boiteDoc.set(ylabel="Université",
xlabel="Distribution du nombre de pages",
xlim=(0,750),
title="Nombre de pages des doctorats par université\n"
)[<matplotlib.text.Text at 0x117886278>,
(0, 750),
<matplotlib.text.Text at 0x1165ab978>,
<matplotlib.text.Text at 0x11788d048>]
On peut aussi créer un autre graphique à moustaches intéressant en regroupant les doctorats par discipline, plutôt que par université.
On commence par créer une variable qui va nous permetter d'ordonner les disciplines en fonction de la médiane du nombre de pages (medianesDoctoratsDiscipline).
doctoratsDiscipline = doctorats.groupby("discipline")
medianesDoctoratsDiscipline = doctoratsDiscipline["nbPages"].median().sort_values(ascending=False)
medianesDoctoratsDisciplinediscipline
Droit 459.0
Relations industrielles 420.0
Histoire 412.0
Anthropologie 407.5
Traduction 394.5
Études classiques 392.5
Études françaises 372.0
Cinéma 366.0
Histoire de l'art 364.0
Littérature 355.0
Sociologie 350.0
Science politique 346.0
Religion/théologie 340.5
Pédagogie 336.0
Communication 335.0
Aménagement/urbanisme 330.0
Gérontologie 329.0
Études islamiques 328.5
Philosophie 324.0
Sciences humaines générales 315.0
Administration publique 314.0
Études hispaniques 313.0
Linguistique 308.0
Sciences de l'information 300.0
Travail social 294.5
Géographie 293.0
Nutrition 291.5
Arts visuels 289.0
Santé publique et communautaire 287.0
Éducation 286.0
...
Génie minier 220.0
Orientation 217.0
Génie de l'environnement 216.5
Télécommunications 207.0
Musique 206.5
Génie chimique 204.0
Génie industriel 202.0
Biotechnologie agricole 201.0
Comptabilité 200.0
Génie mécanique 199.0
Génie physique 199.0
Agriculture et pêcheries 198.5
Ingénierie biomédicale 196.5
Sciences de l'environnement 194.0
Biologie 190.0
Radiologie et imagerie biomédicale 188.0
Marketing 187.5
Géomatique et télédétection 187.0
Informatique 185.0
Sylviculture/foresterie 184.5
Météorologie 182.5
Physique 178.0
Génie électrique 178.0
Génie logiciel 173.0
Médecine dentaire 171.0
Psychologie 166.0
Économie 157.0
Finance 156.5
Statistique 152.0
Mathématiques 133.5
Name: nbPages, dtype: float64
Puis on fait un diagramme par quartiles de la même façon qu'on vient de le faire avec les universités.
Le résultat est un graphique complexe, mais riche en information. C'est en droit que les doctorants sont le plus prolixes, alors que les mathématiciens et statisticiens ont davantage l'habitude d'être right to the point.
sns.set()
sns.set_context("poster")
sns.set(font_scale=2)
plt.figure(figsize=(20, 35))
sns.set_style("darkgrid", {
"axes.facecolor": "lightskyblue",
"font.family": [u"Bitstream Vera Sans"]
})
couleurs = sns.light_palette("turquoise", n_colors=93, reverse=True)
boiteDoc = sns.boxplot(y="discipline",
x="nbPages",
data=doctorats,
palette=couleurs,
order=medianesDoctoratsDiscipline.index
)
boiteDoc.get_xaxis().set_minor_locator(mpl.ticker.AutoMinorLocator(n=10))
boiteDoc.grid(b=True, which='major', color='w', linewidth=3.0)
boiteDoc.grid(b=True, which='minor', color='w', linewidth=1)
boiteDoc.set(ylabel="Discipline",
xlabel="Distribution du nombre de pages",
xlim=(0,750),
title="Nombre de pages des doctorats par discipline\nUniversités du Québec (de 1990 à 2016)\n"
)[<matplotlib.text.Text at 0x119705ba8>,
(0, 750),
<matplotlib.text.Text at 0x119722748>,
<matplotlib.text.Text at 0x119b59e10>]
On peut maintenant faire la même chose pour les maîtrises en suivant exactement les mêmes étapes.
maitrises = theses.query("type == 'maîtrise'")
maitrises.describe()| annee | octets | nbPages | longTitre | |
|---|---|---|---|---|
| count | 40486.000000 | 3.477800e+04 | 40486.000000 | 40486.000000 |
| mean | 2007.033691 | 8.790473e+06 | 133.282023 | 102.193672 |
| std | 6.312805 | 1.820470e+07 | 54.083320 | 39.216376 |
| min | 1990.000000 | 9.075000e+03 | 19.000000 | 4.000000 |
| 25% | 2004.000000 | 2.322921e+06 | 98.000000 | 75.000000 |
| 50% | 2008.000000 | 4.191776e+06 | 124.000000 | 98.000000 |
| 75% | 2012.000000 | 8.056662e+06 | 157.000000 | 125.000000 |
| max | 2016.000000 | 1.916892e+09 | 744.000000 | 345.000000 |
maitrisesUniv = maitrises.groupby("universite")
maitrisesUniv.describe()| annee | longTitre | nbPages | octets | ||
|---|---|---|---|---|---|
| universite | |||||
| Concordia | count | 7210.000000 | 7210.000000 | 7210.000000 | 7.147000e+03 |
| mean | 2004.673786 | 83.308460 | 125.848128 | 5.177932e+06 | |
| std | 6.978006 | 32.854020 | 49.743067 | 2.473131e+07 | |
| min | 1990.000000 | 4.000000 | 19.000000 | 9.075000e+03 | |
| 25% | 2000.000000 | 61.000000 | 94.000000 | 2.440756e+06 | |
| 50% | 2006.000000 | 80.000000 | 117.000000 | 3.859451e+06 | |
| 75% | 2010.000000 | 103.000000 | 149.000000 | 5.704982e+06 | |
| max | 2016.000000 | 251.000000 | 666.000000 | 1.916892e+09 | |
| HEC Montréal | count | 2691.000000 | 2691.000000 | 2691.000000 | 0.000000e+00 |
| mean | 2004.829431 | 98.866592 | 146.237087 | NaN | |
| std | 5.603063 | 35.700203 | 66.552327 | NaN | |
| min | 1990.000000 | 21.000000 | 27.000000 | NaN | |
| 25% | 2001.000000 | 74.000000 | 97.000000 | NaN | |
| 50% | 2005.000000 | 94.000000 | 136.000000 | NaN | |
| 75% | 2009.000000 | 119.000000 | 181.000000 | NaN | |
| max | 2015.000000 | 289.000000 | 671.000000 | NaN | |
| INRS | count | 852.000000 | 852.000000 | 852.000000 | 8.020000e+02 |
| mean | 2006.393192 | 118.221831 | 135.187793 | 1.380241e+07 | |
| std | 6.125526 | 38.144186 | 54.682525 | 2.036042e+07 | |
| min | 1990.000000 | 39.000000 | 46.000000 | 4.846760e+05 | |
| 25% | 2003.000000 | 89.000000 | 98.000000 | 2.168610e+06 | |
| 50% | 2007.000000 | 115.000000 | 124.000000 | 4.917306e+06 | |
| 75% | 2011.000000 | 141.000000 | 158.250000 | 1.571059e+07 | |
| max | 2016.000000 | 259.000000 | 572.000000 | 2.258889e+08 | |
| McGill | count | 3169.000000 | 3169.000000 | 3169.000000 | 3.169000e+03 |
| mean | 2003.526033 | 87.065636 | 113.933733 | 5.120333e+06 | |
| std | 7.550171 | 33.343854 | 35.053225 | 6.688783e+06 | |
| min | 1990.000000 | 9.000000 | 27.000000 | 1.148270e+05 | |
| 25% | 1997.000000 | 63.000000 | 91.000000 | 2.421128e+06 | |
| 50% | 2004.000000 | 82.000000 | 109.000000 | 4.120969e+06 | |
| ... | ... | ... | ... | ... | ... |
| Université Laval | std | 3.094363 | 39.890720 | 53.539320 | 1.939081e+07 |
| min | 2003.000000 | 6.000000 | 26.000000 | 2.191560e+05 | |
| 25% | 2008.000000 | 82.000000 | 93.500000 | 3.310624e+06 | |
| 50% | 2010.000000 | 106.000000 | 120.000000 | 1.363568e+07 | |
| 75% | 2013.000000 | 133.000000 | 153.000000 | 2.798163e+07 | |
| max | 2016.000000 | 345.000000 | 743.000000 | 2.655805e+08 | |
| Université de Montréal | count | 5368.000000 | 5368.000000 | 5368.000000 | 5.368000e+03 |
| mean | 2009.920268 | 105.663376 | 134.533905 | 4.505311e+06 | |
| std | 3.593720 | 36.558156 | 47.373174 | 1.177802e+07 | |
| min | 1990.000000 | 13.000000 | 25.000000 | 6.659300e+04 | |
| 25% | 2008.000000 | 79.000000 | 104.000000 | 1.077788e+06 | |
| 50% | 2010.000000 | 103.000000 | 128.000000 | 2.077272e+06 | |
| 75% | 2013.000000 | 129.000000 | 157.000000 | 4.023963e+06 | |
| max | 2015.000000 | 288.000000 | 541.000000 | 2.880010e+08 | |
| Université de Sherbrooke | count | 4640.000000 | 4640.000000 | 4640.000000 | 4.640000e+03 |
| mean | 2006.019397 | 110.667457 | 140.139871 | 1.015948e+07 | |
| std | 6.288464 | 39.815207 | 54.996114 | 1.797599e+07 | |
| min | 1990.000000 | 14.000000 | 30.000000 | 3.310720e+05 | |
| 25% | 2001.000000 | 83.000000 | 104.000000 | 3.317203e+06 | |
| 50% | 2007.000000 | 107.000000 | 130.000000 | 5.174308e+06 | |
| 75% | 2011.000000 | 134.000000 | 165.000000 | 7.816884e+06 | |
| max | 2016.000000 | 305.000000 | 712.000000 | 2.953644e+08 | |
| École Polytechnique | count | 1046.000000 | 1046.000000 | 1046.000000 | 1.046000e+03 |
| mean | 2012.322180 | 99.830784 | 135.810707 | 7.651716e+06 | |
| std | 1.838042 | 30.244159 | 53.423384 | 2.009079e+07 | |
| min | 2009.000000 | 26.000000 | 39.000000 | 2.678300e+05 | |
| 25% | 2011.000000 | 79.000000 | 100.000000 | 2.059766e+06 | |
| 50% | 2012.000000 | 96.000000 | 123.500000 | 3.616986e+06 | |
| 75% | 2014.000000 | 118.000000 | 159.000000 | 7.254857e+06 | |
| max | 2016.000000 | 195.000000 | 496.000000 | 4.822821e+08 |
104 rows × 4 columns
medianesMaitrisesUniv = maitrises.groupby("universite")["nbPages"].median().sort_values(ascending=False)
medianesMaitrisesUnivuniversite
UQAC 144.0
HEC Montréal 136.0
UQAM 135.0
UQAT 131.0
Université de Sherbrooke 130.0
Université de Montréal 128.0
INRS 124.0
École Polytechnique 123.5
Université Laval 120.0
UQTR 118.0
UQO 117.5
Concordia 117.0
McGill 109.0
Name: nbPages, dtype: float64
sns.set()
plt.figure(figsize=(10, 15))
sns.set_style("darkgrid", {
"axes.facecolor": "khaki",
"font.family": [u"Bitstream Vera Sans"]
})
couleurs = sns.light_palette("olive", n_colors=13, reverse=True)
boiteDoc = sns.boxplot(y="universite",
x="nbPages",
data=maitrises,
palette=couleurs,
order=medianesMaitrisesUniv.index
)
boiteDoc.get_xaxis().set_minor_locator(mpl.ticker.AutoMinorLocator())
boiteDoc.grid(b=True, which='major', color='w', linewidth=2.0)
boiteDoc.grid(b=True, which='minor', color='w', linewidth=0.5)
boiteDoc.set(ylabel="Université",
xlabel="Distribution du nombre de pages",
xlim=(0,350),
title="Nombre de pages des maîtrises par université\n"
)[<matplotlib.text.Text at 0x117141b00>,
(0, 350),
<matplotlib.text.Text at 0x11e835ef0>,
<matplotlib.text.Text at 0x11717a470>]
medianesMaitrisesDiscipline = maitrises.groupby("discipline")["nbPages"].median().sort_values(ascending=False)
medianesMaitrisesDisciplinediscipline
Design 179.0
Danse 176.0
Aménagement/urbanisme 164.0
Sciences infirmières 158.5
Management/gestion 158.0
Droit 158.0
Gérontologie 157.0
Génie (général) 157.0
Anthropologie 154.5
Relations industrielles 152.0
Génie civil 149.0
Travail social 148.0
Sociologie 146.0
Sciences humaines générales 145.0
Pédagogie 144.0
Études juives 143.5
Sciences de l'information 143.0
Histoire 143.0
Géographie 141.0
Linguistique 139.0
Éducation 138.0
Génie minier 137.5
Histoire de l'art 137.5
Géologie 136.0
Architecture 135.5
Communication 135.0
Science politique 135.0
Religion/théologie 134.0
Administration publique 133.0
Criminologie 132.5
...
Géomatique et télédétection 110.0
Théâtre 110.0
Génétique 108.0
Épidémiologie 108.0
Anatomie 108.0
Informatique 108.0
Médecine expérimentale 108.0
Pathologie 107.0
Psychiatrie 106.5
Sciences de l'environnement 106.0
Comptabilité 105.0
Marketing 105.0
Psychologie 103.0
Agriculture et pêcheries 103.0
Sylviculture/foresterie 102.0
Kinésiologie 101.0
Statistique 100.0
Études des sciences et techniques 100.0
Neurologie 100.0
Météorologie 99.5
Physique 99.0
Études italiennes 97.0
Biologie 94.0
Mathématiques 94.0
Psychoéducation 94.0
Chirurgie 89.0
Télécommunications 81.5
Économie 80.0
Arts visuels 79.0
Finance 69.0
Name: nbPages, dtype: float64
sns.set()
sns.set_context("poster")
sns.set(font_scale=2)
plt.figure(figsize=(20, 35))
sns.set_style("darkgrid", {
"axes.facecolor": "khaki",
"font.family": [u"Bitstream Vera Sans"]
})
couleurs = sns.light_palette("olive", n_colors=102, reverse=True)
boiteMait = sns.boxplot(y="discipline",
x="nbPages",
data=maitrises,
palette=couleurs,
order=medianesMaitrisesDiscipline.index
)
boiteMait.get_xaxis().set_minor_locator(mpl.ticker.AutoMinorLocator(n=5))
boiteMait.grid(b=True, which='major', color='w', linewidth=3.0)
boiteMait.grid(b=True, which='minor', color='w', linewidth=1)
boiteMait.set(ylabel="Discipline",
xlabel="Distribution du nombre de pages",
xlim=(0,350),
title="Nombre de pages des maîtrises par discipline\nUniversités du Québec (de 1990 à 2016)\n"
)[<matplotlib.text.Text at 0x120ad29b0>,
(0, 350),
<matplotlib.text.Text at 0x1202b3748>,
<matplotlib.text.Text at 0x1202b0978>]
Seaborn permet aussi de tracer des graphiques en forme de violon, ou violin plots. Cela ressemble à des diagrammes à moustaches, sauf qu'on n'y découpe pas la matière en quartiles. On y donne plutôt un aperçu de la densité réelle de la distribution.
Il est aussi possible de représenter deux catégories sur chaque violon, ce qui est parfait pour le cas qui nous intéresse, puisqu'on a justement deux catégories à représenter: les maîtrises et les doctorats. Elles sont identifiées par le paramètre hue de la méthode sns.violinplot dans le code ci-dessous.
sns.set_style("darkgrid")
sns.set_context("poster")
plt.figure(figsize=(10, 15))
violon = sns.violinplot(y="universite", x="nbPages", data=theses, bw=.1, hue="type", split=True)
violon.set(ylabel="Université",
xlabel="Distribution du nombre de pages",
xlim=(-100,1400),
title="Nombre de pages des maîtrises et des doctorats par université\nUniversités du Québec (de 1990 à 2016)\n"
)
sns.despine()