Créer un JointGrid et un jointplot
Le JointGrid de Seaborn combine des graphiques univariés comme les histogrammes, les graphiques en tapis (rug) et les courbes KDE avec des graphiques bivariés comme les nuages de points et les graphiques de régression. Le processus pour créer ces graphiques devrait maintenant vous être familier. Ces visualisations montrent aussi comment Seaborn offre des fonctions pratiques pour combiner plusieurs graphiques.
Pour ces exercices, nous utiliserons les données de vélo-partage vues plus tôt. Dans cet exercice, nous allons examiner la relation entre le taux d'humidité et le nombre total de locations afin de voir s'il y a une relation intéressante à explorer plus en profondeur par la suite.
Cette activité fait partie du cours
Visualisation de données intermédiaire avec Seaborn
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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()