/create-viz - Créer des visualisations

Si vous rencontrez des placeholders non familiers ou devez vérifier les outils connectés, consultez CONNECTORS.md.

Créez des visualisations de données de qualité professionnelle en Python. Génère des graphiques à partir de données en suivant les bonnes pratiques de clarté, précision et design.

Utilisation

/create-viz <source de données> [type de graphique] [instructions supplémentaires]

Workflow

1. Comprendre la demande

Déterminer :

• Source de données : Résultats de requête, données collées, fichier CSV/Excel, ou données à interroger
• Type de graphique : Explicitement demandé ou nécessite une recommandation
• Objectif : Exploration, présentation, rapport, composant de dashboard
• Audience : Équipe technique, cadres dirigeants, parties prenantes externes

2. Obtenir les données

Si l'entrepôt de données est connecté et les données doivent être interrogées :

1. Écrire et exécuter la requête
2. Charger les résultats dans un DataFrame pandas

Si les données sont collées ou téléchargées :

1. Analyser les données dans un DataFrame pandas
2. Nettoyer et préparer au besoin (conversions de type, gestion des valeurs nulles)

Si les données proviennent d'une analyse antérieure dans la conversation :

1. Référencer les données existantes

3. Sélectionner le type de graphique

Si l'utilisateur n'a pas spécifié le type, en recommander un en fonction des données et de la question :

Expliquer brièvement la recommandation si l'utilisateur n'a pas spécifié.

4. Générer la visualisation

Écrire du code Python en utilisant l'une de ces bibliothèques selon les besoins :

• matplotlib + seaborn : Idéal pour les graphiques statiques de qualité professionnelle. Choix par défaut.
• plotly : Idéal pour les graphiques interactifs ou quand l'utilisateur demande l'interactivité.

Exigences du code :

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

# Définir un style professionnel
plt.style.use('seaborn-v0_8-whitegrid')
sns.set_palette("husl")

# Créer une figure avec une taille appropriée
fig, ax = plt.subplots(figsize=(10, 6))

# [code spécifique au graphique]

# Inclure toujours :
ax.set_title('Titre clair et descriptif', fontsize=14, fontweight='bold')
ax.set_xlabel('Étiquette axe X', fontsize=11)
ax.set_ylabel('Étiquette axe Y', fontsize=11)

# Formater les nombres correctement
# - Pourcentages : '45,2 %' et non '0,452'
# - Devises : '1,2 M€' et non '1200000'
# - Grands nombres : '2,3 K' ou '1,5 M' et non '2300' ou '1500000'

# Supprimer l'encombrement graphique
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

plt.tight_layout()
plt.savefig('chart_name.png', dpi=150, bbox_inches='tight')
plt.show()

5. Appliquer les bonnes pratiques de design

Couleur :

• Utiliser une palette cohérente et accessible aux daltoniens
• Utiliser la couleur de façon significative (pas décorative)
• Mettre en avant le point de données ou la tendance clé avec une couleur contrastée
• Griser les données de référence moins importantes

Typographie :

• Titre descriptif qui énonce l'insight, pas seulement la métrique (ex. « Le chiffre d'affaires a augmenté de 23 % en glissement annuel » et non « Chiffre d'affaires par mois »)
• Étiquettes d'axes lisibles (non pivotées de 90 degrés si possible)
• Étiquettes de données sur les points clés si elles ajoutent de la clarté

Mise en page :

• Espace blanc et marges appropriés
• Placement de la légende sans occulter les données
• Catégories triées par valeur (non alphabétiquement) sauf s'il existe un ordre naturel

Précision :

• L'axe Y commence à zéro pour les graphiques en barres
• Pas de cassures d'axe trompeuses sans notation claire
• Échelles cohérentes quand on compare des panneaux
• Précision appropriée (ne pas afficher 10 décimales)

6. Enregistrer et présenter

1. Enregistrer le graphique en fichier PNG avec un nom descriptif
2. Afficher le graphique à l'utilisateur
3. Fournir le code utilisé pour qu'il puisse le modifier
4. Suggérer des variantes (type de graphique différent, regroupement différent, plage temporelle zoomée)

Exemples

/create-viz Afficher les revenus mensuels des 12 derniers mois en tant que graphique en courbes avec la tendance mise en évidence

/create-viz Voici nos données NPS par produit : [colle les données]. Créez un graphique en barres horizontal classant les produits par score.

/create-viz Interrogez la table des commandes et créez une heatmap du volume de commandes par jour de la semaine et heure

Conseils

• Si vous voulez des graphiques interactifs (survol, zoom, filtrage), mentionnez « interactif » et Claude utilisera plotly
• Spécifiez « présentation » si vous avez besoin de polices plus grandes et d'un contraste plus élevé
• Vous pouvez demander plusieurs graphiques à la fois (ex. « créer une grille 2x2 de graphiques montrant... »)
• Les graphiques sont enregistrés dans votre répertoire actuel en fichiers PNG