AtelierC.md

@@ -56,13 +56,19 @@ Cette colonne doit devenir l'index de la table. On a donc au final un DF avec un
 
 L'outil zoom montre que l'affichage des étiquettes de date est correct quel que soit le niveau de zoom, contrairement à la première expérience. Dans la suite, vous trouverez les instructions qui donnent ce rendu même en dehors de Pandas.
 
-Par défaut, les trois variables sont toutes les 3 tracées dans le même repère, bien qu'elles aient des unités différentes. Cela permet déjà de voir les données rapidement. Pour un vrai graphique mis en forme, il faut utiliser des méthodes spécifiques à Pandas ;  
+Par défaut, les trois variables sont toutes les 3 tracées dans le même repère, bien qu'elles aient des unités différentes. Cela permet déjà de voir les données rapidement. Pour un vrai graphique mis en forme, il faut utiliser des méthodes spécifiques à Pandas.
+Avec l'argument `subplots`à `True` la figure comporte un Axes par colonne, et on  peut régler la disposition avec `layout`. Le titre de l'index est utilisé pour l'étiquette de l'axe des x, et chaque vignette porte une légende avec comme entrée le titre de la colonne. 
 
+```python
+mon_dataframe.plot(subplots=True, layout=(ncols, 1), sharex=True)
+plt.show()
+```   
+Quelques références pour aller plus loin :
 * plot en précisant si c'est sur un \[axe secondaire\](<https://pandas.pydata.org/docs/user_guide/visualization.html#plotting-on-a-secondary-y-axis>)
 * définition d'une figure organisée en plusieurs "vignettes" (Axes) : \[subplots\](<https://pandas.pydata.org/docs/user_guide/visualization.html#subplots>)
 * voir aussi des discussions autour des cas plus avancés : [utiliser des méthodes avancées de tracé de pandas](https://stackoverflow.com/questions/68955060/how-to-plot-a-pandas-dataframe-with-multiple-axes-each-rendering-multiple-column).
 
-Pour ne pas compliquer les choses avec les syntaxes spécifique pandas, on va dans la suite travailler avec les méthodes standard de matplotlib, en passant en arguments x et y les dates et les valeurs séparément.
+Dans la suite, on va travailler avec les méthodes standard de matplotlib, en passant en arguments x et y les dates et les valeurs séparément.
 
 :ocean: **seaborn** connaît le type pandas.DataFrame et offre donc des syntaxes adaptées aux données contenues dans les DataFrame. La version matplotlib :three:.:five: a repris cette bonne idée :