Jak vybrat správnou proměnnou pro kódování barvou

Tvým úkolem je vizualizovat hodnoty znečištění ovzduší pro Long Beach a okolní města v průběhu času. Přiložený kód vykreslí níže uvedený graf (který se čte poměrně obtížně) – zobrazuje maximální hodnoty znečištění (dostupné jako max_pollutant_values), přičemž sloupce jsou obarveny podle města.

Přeplněný sloupcový graf s více barvami se čtyřmi řádky odpovídajícími čtyřem znečišťujícím látkám v datové sadě

Několika úpravami ho snadno zpřehledníš. Nejprve omez zobrazená města pouze na ta v západní části země – vyhnout se tak přeplněnosti grafu. Pak prohoď kódování barev z proměnné city na year, čímž budeš moci použít ordinální paletu a čtenář se nebude muset neustále dívat na legendu, aby zjistil, které město jaká barva představuje.

Toto cvičení je součástí kurzu

Vylepšení datových vizualizací v Pythonu

Zobrazit kurz

Pokyny k cvičení

Odstraň 'Indianapolis', 'Des Moines', 'Cincinnati' a 'Houston' z vektoru cities.
Prohoď kódování proměnných city a year.
Použij paletu ColorBrewer 'BuGn', která odpovídá nově ordinální proměnné.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Reduce to just cities in the western half of US
cities = ['Fairbanks', 'Long Beach', 'Vandenberg Air Force Base', 'Denver', 
          'Indianapolis', 'Des Moines', 'Cincinnati', 'Houston']

# Filter data to desired cities
city_maxes = max_pollutant_values[max_pollutant_values.city.isin(cities)]

# Swap city and year encodings
sns.catplot(x = 'year', hue = 'city',
              y = 'value', row = 'pollutant',    
              # Change palette to one appropriate for ordinal categories
              data = city_maxes, palette = 'muted',
              sharey = False, kind = 'bar')
plt.show()

Upravit a spustit kód