31:T668,En vous aidant du support [Bibliothèque Plot (1)](https://observablehq.com/@sd-progwebdataviz/bibliotheque-plot?collection=@sd-progwebdataviz/guide-et-exemples) vous aller créer les graphiques suivants : ### Premiers graphiques à réaliser 1. **Scatter Plot (Nuage de points)** : - Comparer le revenu et la satisfaction des clients. - Axe X : revenu. - Axe Y : satisfaction client. 2. **Line Chart (Diagramme à ligne lissée)** : - Suivre l’évolution des ventes au fil des mois **pour un produit donné (Produit A ou Produit B)**. - Axe X : les mois (Janvier, Février, etc.). - Axe Y : les ventes - Couleur des lignes : Selon la ville 3. **Bar Chart (Histogramme)** : - Représenter les ventes par ville **pour le produit "Produit A"** - Axe X : les villes (Paris, Lyon, Marseille). - Axe Y : les ventes. ### Pour aller plus loin... Les graphiques qui suivent sont à réaliser en fonction du temps restant et certains demandent d'utiliser des *transformations* telles que `Plot.groupX`. 1. **Bar Chart (Histogramme)** : - Représenter les ventes par ville **pour le produit "Produit A" et pour le "Produit B"** - **Vous devez agréger les ventes Produit A + Produit B** (et prendre en compte l'ensemble des mois) - Axe X : les villes (Paris, Lyon, Marseille). - Axe Y : les ventes. 2. **Line Chart (Diagramme à ligne lissée)** : - Suivre l’évolution des ventes au fil des mois **pour un produit donné (Produit A et Produit B)**. - *Faceting* : le type de produit - Axe X : les mois (Janvier, Février, etc.). - Axe Y : les ventes - Couleur des lignes : Selon la ville32:T1ae7,dataset = [ { "ville": "Paris", "mois": new Date(2024, 0, 1), "produit": "Produit A", "ventes": 120, "revenu": 2400, "satisfaction_client": 85 }, { "ville": "Paris", "mois": new Date(2024, 1, 1), "produit": "Produit A", "ventes": 135, "revenu": 2700, "satisfaction_client": 88 }, { "ville": "Paris", "mois": new Date(2024, 2, 1), "produit": "Produit A", "ventes": 110, "revenu": 2200, "satisfaction_client": 84 }, { "ville": "Paris", "mois": new Date(2024, 3, 1), "produit": "Produit A", "ventes": 150, "revenu": 3000, "satisfaction_client": 89 }, { "ville": "Paris", "mois": new Date(2024, 4, 1), "produit": "Produit A", "ventes": 140, "revenu": 2800, "satisfaction_client": 87 }, { "ville": "Paris", "mois": new Date(2024, 5, 1), "produit": "Produit A", "ventes": 130, "revenu": 2600, "satisfaction_client": 85 }, { "ville": "Lyon", "mois": new Date(2024, 0, 1), "produit": "Produit A", "ventes": 80, "revenu": 1600, "satisfaction_client": 82 }, { "ville": "Lyon", "mois": new Date(2024, 1, 1), "produit": "Produit A", "ventes": 95, "revenu": 1900, "satisfaction_client": 87 }, { "ville": "Lyon", "mois": new Date(2024, 2, 1), "produit": "Produit A", "ventes": 100, "revenu": 2000, "satisfaction_client": 85 }, { "ville": "Lyon", "mois": new Date(2024, 3, 1), "produit": "Produit A", "ventes": 110, "revenu": 2200, "satisfaction_client": 88 }, { "ville": "Lyon", "mois": new Date(2024, 4, 1), "produit": "Produit A", "ventes": 105, "revenu": 2100, "satisfaction_client": 86 }, { "ville": "Lyon", "mois": new Date(2024, 5, 1), "produit": "Produit A", "ventes": 115, "revenu": 2300, "satisfaction_client": 89 }, { "ville": "Marseille", "mois": new Date(2024, 0, 1), "produit": "Produit A", "ventes": 150, "revenu": 3000, "satisfaction_client": 87 }, { "ville": "Marseille", "mois": new Date(2024, 1, 1), "produit": "Produit A", "ventes": 165, "revenu": 3300, "satisfaction_client": 91 }, { "ville": "Marseille", "mois": new Date(2024, 2, 1), "produit": "Produit A", "ventes": 155, "revenu": 3100, "satisfaction_client": 89 }, { "ville": "Marseille", "mois": new Date(2024, 3, 1), "produit": "Produit A", "ventes": 170, "revenu": 3400, "satisfaction_client": 92 }, { "ville": "Marseille", "mois": new Date(2024, 4, 1), "produit": "Produit A", "ventes": 160, "revenu": 3200, "satisfaction_client": 90 }, { "ville": "Marseille", "mois": new Date(2024, 5, 1), "produit": "Produit A", "ventes": 155, "revenu": 3100, "satisfaction_client": 88 }, { "ville": "Paris", "mois": new Date(2024, 0, 1), "produit": "Produit B", "ventes": 130, "revenu": 2600, "satisfaction_client": 84 }, { "ville": "Paris", "mois": new Date(2024, 1, 1), "produit": "Produit B", "ventes": 145, "revenu": 2900, "satisfaction_client": 89 }, { "ville": "Paris", "mois": new Date(2024, 2, 1), "produit": "Produit B", "ventes": 120, "revenu": 2400, "satisfaction_client": 83 }, { "ville": "Paris", "mois": new Date(2024, 3, 1), "produit": "Produit B", "ventes": 160, "revenu": 3200, "satisfaction_client": 91 }, { "ville": "Paris", "mois": new Date(2024, 4, 1), "produit": "Produit B", "ventes": 150, "revenu": 3000, "satisfaction_client": 87 }, { "ville": "Paris", "mois": new Date(2024, 5, 1), "produit": "Produit B", "ventes": 140, "revenu": 2800, "satisfaction_client": 85 }, { "ville": "Lyon", "mois": new Date(2024, 0, 1), "produit": "Produit B", "ventes": 100, "revenu": 2000, "satisfaction_client": 86 }, { "ville": "Lyon", "mois": new Date(2024, 1, 1), "produit": "Produit B", "ventes": 115, "revenu": 2300, "satisfaction_client": 88 }, { "ville": "Lyon", "mois": new Date(2024, 2, 1), "produit": "Produit B", "ventes": 110, "revenu": 2200, "satisfaction_client": 85 }, { "ville": "Lyon", "mois": new Date(2024, 3, 1), "produit": "Produit B", "ventes": 130, "revenu": 2600, "satisfaction_client": 89 }, { "ville": "Lyon", "mois": new Date(2024, 4, 1), "produit": "Produit B", "ventes": 125, "revenu": 2500, "satisfaction_client": 87 }, { "ville": "Lyon", "mois": new Date(2024, 5, 1), "produit": "Produit B", "ventes": 135, "revenu": 2700, "satisfaction_client": 90 }, { "ville": "Marseille", "mois": new Date(2024, 0, 1), "produit": "Produit B", "ventes": 140, "revenu": 2800, "satisfaction_client": 83 }, { "ville": "Marseille", "mois": new Date(2024, 1, 1), "produit": "Produit B", "ventes": 155, "revenu": 3100, "satisfaction_client": 90 }, { "ville": "Marseille", "mois": new Date(2024, 2, 1), "produit": "Produit B", "ventes": 145, "revenu": 2900, "satisfaction_client": 88 }, { "ville": "Marseille", "mois": new Date(2024, 3, 1), "produit": "Produit B", "ventes": 165, "revenu": 3300, "satisfaction_client": 91 }, { "ville": "Marseille", "mois": new Date(2024, 4, 1), "produit": "Produit B", "ventes": 160, "revenu": 3200, "satisfaction_client": 89 }, { "ville": "Marseille", "mois": new Date(2024, 5, 1), "produit": "Produit B", "ventes": 155, "revenu": 3100, "satisfaction_client": 88 } ] 33:[] 2f:{"title":"TP - Exercice de mise en pratique avec Plot","cells":[{"id":0,"value":"# TP - Exercice de mise en pratique avec Plot","pinned":false,"hidden":false,"mode":"md"},{"id":3,"value":"

Support de cours pour les étudiants 2025-2026 de 3ème année du BUT Science des données de l'IUT2 (Université Grenoble Alpes).

\n\nIntervenant : Matthieu Viry

\nVoir l'ensemble de notebooks ici.\n\n

","pinned":false,"hidden":false,"mode":"html"},{"id":6,"value":"$31","pinned":false,"hidden":false,"mode":"md"},{"id":14,"value":"Le jeu de données à utiliser est le suivant :","pinned":false,"hidden":false,"mode":"md"},{"id":21,"value":"$32","pinned":true,"hidden":false,"mode":"ojs"}],"files":"$W33","stdlib":"1","titling":"auto"}