Separar muchas bandas
Es relativamente sencillo trazar varias líneas de tendencia una encima de otra para compararlas rápida y precisamente. Por desgracia, si necesitas añadir bandas de incertidumbre alrededor de esas líneas, la visualización se vuelve muy difícil de leer. Determinar si una línea corresponde a la parte superior de la banda de una clase o a la inferior de otra puede ser complicado debido al solapamiento. Por suerte, en Seaborn no es difícil dividir las bandas superpuestas en gráficas facetadas separadas.
Para verlo, explora las tendencias en los niveles de SO2 de algunas ciudades de la mitad oriental de EE. UU. Si representas las tendencias y sus bandas de confianza en una sola gráfica, es un caos. Para arreglarlo, utiliza la función FacetGrid() de Seaborn para distribuir los intervalos de confianza en varios paneles y facilitar su inspección.
Este ejercicio forma parte del curso
Mejora tus visualizaciones de datos en Python
Instrucciones del ejercicio
- Configura una cuadrícula de facetas para separar las gráficas por la columna
cityeneastern_SO2. - Envía la función que traza el intervalo de confianza a
map(). - Colorea los intervalos de confianza de color
'coral'. - Haz que la línea de la media superpuesta dibujada con
g.map(plt.plot,...)destaque frente a las bandas de confianza coloreándola de blanco.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Setup a grid of plots with columns divided by location
g = sns.FacetGrid(eastern_SO2, col = '____', col_wrap = 2)
# Map interval plots to each cities data with corol colored ribbons
g.map(plt.____, 'day', 'lower', 'upper', ____ = 'coral')
# Map overlaid mean plots with white line
g.map(plt.plot, 'day', 'mean', ____ = '____')
plt.show()