LoslegenKostenlos loslegen

Ordinale Kategorien einfärben

Du arbeitest für den Stadtrat von Des Moines, um die Zusammenhänge verschiedener Schadstoffwerte in der Stadt zu beurteilen. Die beiden wichtigsten Schadstoffe sind SO2 und NO2, aber auch CO ist interessant. Für deinen Berichtsteil hast du nur Platz für genau ein Diagramm.

Du startest mit einem Streudiagramm der SO2- und NO2-Werte, da sie am wichtigsten sind, und entscheidest dann, die CO-Werte über eine Farbskala entsprechend den CO-Quartilen zu zeigen. Durch das Binning der kontinuierlichen CO-Werte hast du CO in eine ordinale Variable umgewandelt, die grobe Muster sichtbar machen kann, ohne dass Betrachter subtile Farbnuancen vergleichen müssen.

Diese Übung ist Teil des Kurses

So verbesserst du deine Datenvisualisierungen in Python

Kurs anzeigen

Anleitung zur Übung

  • Verwende qcut(), um 'CO' in Quartile zu unterteilen.
  • Weise die Farbe deines Streudiagramms der neuen Quartil-Spalte zu.
  • Ändere die palette auf die ColorBrewer-Palette 'GnBu'.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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()
Code bearbeiten und ausführen