Comment créer un diagramme en violon à partir de données CSV ou Excel
Générez un diagramme en violon (violin plot) sans coder à partir de fichiers CSV ou Excel. Structurez vos colonnes de groupes et de valeurs, ajustez la densité, affichez les points individuels et finalisez votre figure dans SciVis.
Un diagramme en violon (violin plot) peut s'avérer très convaincant visuellement, même lorsque les données sous-jacentes sont insuffisantes pour l'étayer. Un effectif très réduit peut être lissé sous une forme flatteuse, un violon large peut être confondu à tort avec un échantillon de grande taille, et un choix arbitraire de bande passante (lissage) risque de masquer l'existence de deux modes bien distincts. Avant de concevoir votre figure, assurez-vous que la forme de la distribution — et pas seulement la médiane — est cruciale pour l'interprétation de vos résultats.
L'outil Violin Plot Maker de SciDraw génère une première représentation graphique à partir d'un fichier structuré, puis vous permet de l'ajuster précisément dans l'interface de SciVis. Les six exemples intégrés s'appuient sur de vrais fichiers CSV téléchargeables, ce qui vous permet d'analyser la structure de colonnes attendue avant d'y importer vos propres mesures.
Des milliers de chercheurs utilisent SciDraw AI pour créer en quelques minutes des figures prêtes à publier pour leurs articles, demandes de financement et soumissions — sans compétences en design.
Confondre la largeur avec l'effectif : la largeur du violon représente l'estimation de la densité de probabilité, et non le nombre absolu d'observations.
Utiliser un violon pour des micro-échantillons : lorsque l'effectif est très faible, affichez directement les points individuels et privilégiez un diagramme de dispersion (dot plot) ou une boîte à moustaches (box plot).
Masquer le paramètre de lissage (bandwidth) : le lissage détermine directement le nombre et la position apparente des pics de distribution.
Comparer des échelles hétérogènes : l'ensemble des groupes comparés doit partager la même échelle de mesure et subir les mêmes transformations mathématiques.
Se limiter à la courbe de densité : l'ajout de la médiane, des quartiles, d'une boîte interne ou des points réels aide grandement le lecteur à interpréter la distribution.
Vos données doivent être organisées au format long, à raison d'une seule ligne par observation. La table la plus simple comporte les colonnes suivantes :
Accédez au Violin Plot Maker. Optez pour une distribution unique si vous analysez une seule série de mesures. Choisissez des violons groupés pour comparer des bras de traitement, des cohortes, des types de tissus, des points temporels ou différentes conditions expérimentales. Un violon séparé en deux demi-courbes (split violin) n'est pertinent que si deux sous-groupes partagent une variable commune et qu'une comparaison directe flanc à flanc apporte une réelle valeur scientifique.
Importez votre fichier au format CSV, TSV, TXT, XLSX ou XLS. Pour les fichiers Excel, l'outil charge automatiquement la première feuille de calcul. Veillez à supprimer les cellules fusionnées, les lignes de totaux, les commentaires et les en-têtes décoratifs avant l'importation. Les données manquantes doivent rester vides et ne pas être remplacées par des zéros.
Vérifiez que toutes vos catégories sont bien représentées et que l'échelle de l'axe correspond fidèlement à vos données sources. La zone la plus large du violon indique la zone de plus forte densité de probabilité. Un rétrécissement progressif (une queue de distribution fine) indique simplement une rareté des observations dans cette plage de valeurs, et ne prouve pas en soi l'existence d'une sous-population biologique distincte.
Si votre conclusion scientifique repose sur un épaulement, un second pic ou une queue de distribution étirée, confrontez systématiquement le violon aux valeurs brutes. De légères variations du paramètre de lissage peuvent modifier l'aspect de ces structures.
Poursuivez l'édition dans SciVis pour ajouter des points individuels dispersés (jitter), une boîte à moustaches interne, un marqueur de médiane ou des annotations sobres. L'affichage des points réels est particulièrement recommandé pour les petits effectifs ou les groupes déséquilibrés, car il révèle directement la taille de l'échantillon et la répartition réelle des données.
Utilisez la couleur pour identifier des groupes biologiquement ou expérimentalement pertinents, et non à des fins purement esthétiques. Ajustez l'opacité pour que le contour du violon reste bien net tout en permettant de distinguer les points qui se superposent. Si vos données sont appariées, utilisez plutôt le Paired Dot Plot Maker afin de ne pas induire une fausse hypothèse d'indépendance des échantillons.
Comparez la position de la médiane ou de la masse centrale des données entre les groupes.
Évaluez la dispersion et le comportement des queues de distribution sur une échelle commune.
Repérez d'éventuelles asymétries ou la présence de zones de forte densité multiples.
Contrôlez le nombre et la répartition des points de données individuels.
Validez toute affirmation statistique par des tests appropriés, et non par la seule observation visuelle de la forme du violon.
Le diagramme en violon est un outil de statistique descriptive. Il ne permet pas de tester formellement une différence significative entre des groupes ni de valider la normalité d'une distribution.
Privilégiez le diagramme en violon pour comparer visuellement des formes de distribution tout en conservant un résumé statistique compact par groupe.
Utilisez une boîte à moustaches (box plot) lorsque la visualisation précise des quartiles et des valeurs aberrantes (outliers) prime sur le détail de la courbe de densité.
Optez pour un diagramme de densité (density plot) lorsque la superposition de courbes lissées facilite la comparaison directe entre les groupes.
Choisissez un diagramme en essaim d'abeilles (beeswarm plot) pour garder visible chaque point de données individuel sans recourir à une estimation de densité.
Oui. Il vous suffit de charger votre fichier de données dans le Violin Plot Maker, de générer le graphique, puis de personnaliser le rendu visuel dans SciVis, le tout sans écrire la moindre ligne de code.
Il n'existe pas de seuil mathématique absolu. Toutefois, l'estimation de la densité devient instable sur de petits échantillons. Dans ce cas, affichez impérativement les points individuels et évitez de surinterpréter les micro-variations de la forme du violon.
Oui, mais il est indispensable de mentionner ou d'afficher la taille de chaque échantillon ($n$). Par défaut, la largeur maximale des violons est standardisée et ne reflète pas la différence d'effectif entre les groupes.
Non. L'apparition d'un second pic peut résulter du choix de la bande passante de lissage ou de fluctuations d'échantillonnage. Examinez toujours la répartition des points réels et réalisez un test statistique de bimodalité adapté avant de conclure.
Commencez par importer vos données dans le Violin Plot Maker, validez la cohérence de la densité estimée par rapport à vos points réels, et consultez notre guide de visualisation de données scientifiques pour déterminer si un autre type de représentation serait plus adapté à vos analyses.
Davie Chen is a researcher at the Faculty of Animation and Intermedia, University of Arts in Poznan, studying generative AI for scientific figure creation, patent illustration, and manuscript drafting. SciDraw AI is one of the research-to-product tools built from this work.
