Ruční zvýraznění dat

Pracuješ s daty z Houstonu a zkoumáš vztah mezi znečištěním oxidem siřičitým (SO₂) a oxidem dusičitým (NO₂) – konkrétně v posledním roce, za který máme data (2014). Vyčlenil/a sis jeden obzvláště problematický den, 26. listopadu, kdy došlo k výraznému nárůstu hodnot SO₂. Abys na tento den upozornil/a diváky, zvýrazníš ho výraznou oranžovočervenou barvou a ostatní body obarvíš šedě.

pandas, matplotlib.pyplot a seaborn jsou načteny jako pd, plt a sns a budou ti k dispozici po celou dobu kurzu.

Kurz se dotýká mnoha konceptů, na které možná nemáš úplně čerstvé vzpomínky – pokud budeš potřebovat rychlé osvěžení, stáhni si Seaborn Cheat Sheet a měj ho po ruce!

Toto cvičení je součástí kurzu

Vylepšení datových vizualizací v Pythonu

Zobrazit kurz

Pokyny k cvičení

Uprav list comprehension tak, aby hodnota odpovídající 330. day (26. listopadu) roku year 2014 měla barvu orangered a ostatní body barvu lightgray.
Předej pole houston_colors funkci regplot() pomocí argumentu scatter_kws, aby se body obarvily správně.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

houston_pollution = pollution[pollution.city  ==  'Houston']

# Make array orangred for day 330 of year 2014, otherwise lightgray
houston_colors = ['orangered' if (____  ==  330) & (____  ==  2014) else 'lightgray' 
                  for day,year in zip(houston_pollution.____, houston_pollution.____)]

sns.regplot(x = 'NO2',
            y = 'SO2',
            data = houston_pollution,
            fit_reg = False, 
            # Send scatterplot argument to color points 
            scatter_kws = {'facecolors': ____, 'alpha': 0.7})
plt.show()

Upravit a spustit kód