Colorer des catégories ordinales
Vous travaillez pour le conseil municipal de Des Moines afin d'évaluer les liens entre divers niveaux de polluants dans la ville. Les deux polluants les plus importants sont SO2 et NO2, mais le CO est aussi d'intérêt. On ne vous a accordé de la place que pour un seul graphique dans votre partie du rapport.
Vous commencez par un nuage de points des valeurs de SO2 et NO2, puisqu'elles sont prioritaires, puis vous décidez d'afficher les valeurs de CO à l'aide d'une échelle de couleurs correspondant aux quartiles de CO. En regroupant les valeurs continues de CO en classes, vous transformez le CO en variable ordinale, ce qui peut faire ressortir des tendances générales sans exiger trop d'efforts de la personne qui consulte le graphique pour comparer des nuances très proches.
Cette activité fait partie du cours
Améliorer vos visualisations de données en Python
Instructions de l’exercice
- Configurez la fonction
qcut()pour découper'CO'en quartiles. - Faites correspondre la couleur de votre nuage de points à la nouvelle colonne des quartiles.
- Modifiez la
palettepour utiliser la palette ColorBrewer'GnBu'.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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()