Barevné rozlišení ordinálních kategorií

Pracuješ pro městskou radu Des Moines a zkoumáš vztahy mezi různými úrovněmi znečišťujících látek ve městě. Dvěma nejdůležitějšími znečišťujícími látkami jsou SO₂ a NO₂, zajímavé jsou ale i hodnoty CO. Pro svou část zprávy máš k dispozici pouze jeden graf.

Začínáš bodovým grafem hodnot SO₂ a NO₂, protože jsou nejdůležitější, a pak se rozhodneš zobrazit hodnoty CO pomocí barevné škály odpovídající kvartilům CO. Rozdělením spojitých hodnot CO do košů převedeš CO na ordinální proměnnou, která odhalí obecné vzorce, aniž by musel čtenář pracně porovnávat jemně odlišné odstíny.

Toto cvičení je součástí kurzu

Vylepšení datových vizualizací v Pythonu

Zobrazit kurz

Pokyny k cvičení

Nastav funkci qcut() tak, aby rozdělila sloupec 'CO' do kvartilů.
Namapuj barvu bodového grafu na nový sloupec s kvartily.
Změň palette na paletu ColorBrewer 'GnBu'.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Divide CO into quartiles
pollution['CO quartile'] = pd.qcut(pollution['CO'], q = ____, labels = False)

# Filter to just Des Moines
des_moines = pollution.query("city  ==  'Des Moines'")

# Color points with by quartile and use ColorBrewer palette
sns.scatterplot(x = 'SO2',
                y = 'NO2',
                ____ = '____', 
                  data = des_moines,
                palette = '____')
plt.show()

Upravit a spustit kód