Heatmap der Reisezeiten nach Pendelmodus
In dieser Übung erstellst du eine Heatmap mit nationalen Daten, die Pendelzeiten (in Minuten) und Verkehrsmittel vergleicht. Du startest mit data_row, einer Liste von Werten aus der einzigen Datenzeile eines JSON-API-Response-Objekts. Listen der Reise-modes (5) und der Pendel-times (9) wurden erstellt und in der Konsole ausgegeben. Du musst die einzelne Datenzeile in eine Liste von Listen umformen, ein DataFrame konstruieren, das sich an sns.heatmap übergeben lässt, und die Heatmap erstellen.
Die Datenzeile enthält die Daten zu den 5 Verkehrsmitteln in Gruppen von 9 Pendelzeiten. Eine Iteration ist ein vollständiger Satz von Pendelzeiten.
pandas und seaborn sind mit den üblichen Aliassen geladen.
Diese Übung ist Teil des Kurses
<Kurs>Analyse von US-Volkszählungsdaten mit Python</Kurs>Übungsanweisungen
- Setze
iter_lenauf die Länge der Listetimes - Erzeuge in der List Comprehension einen Range mit Start 0, Stop gleich der Länge von
data_rowund Schrittweiteiter_len - Erzeuge eine Heatmap mit dem
commuting-DataFrame als erstem Parameter; annotiere die Heatmap mit der Pendlerzahl in Tausend (verwende Ganzzahldivision, um durch1000zu teilen)
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Set iter_len to the number of commute times
iter_len = ____
# Break row into list of lists by travel mode
data = [data_row[i:i+iter_len] for i in range(____)]
# Create DataFrame, set data type to int
commuting = pd.DataFrame(data=data, index=modes, columns=times)
commuting = commuting.astype(int)
# Create heatmap of commuters by mode by income
sns.heatmap(____, annot=____, fmt = "d", cmap="YlGnBu")
plt.xticks(rotation = 50)
plt.yticks(rotation = 50)
plt.show()