Einen JointGrid und jointplot erstellen
Seaborns JointGrid kombiniert univariate Plots wie Histogramme, Rug-Plots und KDE-Plots
mit bivariaten Plots wie Scatter- und Regressionsplots. Der Ablauf zum Erstellen dieser Plots
sollte dir inzwischen vertraut sein. Diese Plots zeigen auch, wie Seaborn praktische
Funktionen bereitstellt, um mehrere Plots zusammenzuführen.
Für diese Übungen verwenden wir die Bike-Share-Daten, die wir uns zuvor angesehen haben. In dieser Übung schauen wir uns den Zusammenhang zwischen der Luftfeuchtigkeit und den gesamten Ausleihen an, um zu sehen, ob es eine interessante Beziehung gibt, die wir später weiter untersuchen möchten.
Diese Übung ist Teil des Kurses
<Kurs>Fortgeschrittene Datenvisualisierung mit Seaborn</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Build a JointGrid comparing humidity and total_rentals
sns.___("whitegrid")
g = sns.___(___="hum",
___="total_rentals",
data=df,
xlim=(0.1, 1.0))
g.plot(sns.___, sns.histplot)
plt.show()
plt.clf()