Automatisez votre visualisation
L'une des grandes forces de Matplotlib est son automatisation : il peut s'adapter aux données reçues en entrée. Par exemple, même si vous recevez des données avec un nombre de catégories inconnu, vous pouvez quand même créer un diagramme à barres qui comporte une barre pour chaque catégorie.
C'est exactement ce que vous ferez dans cet exercice. Vous allez à nouveau visualiser des données sur les médaillés des Jeux olympiques d'été de 2016, mais cette fois avec un jeu de données qui contient un nombre inconnu de disciplines sportives. Ce jeu sera chargé en mémoire comme un objet DataFrame de pandas appelé summer_2016_medals, qui contient une colonne "Sport" indiquant la discipline sportive à laquelle correspond chaque ligne. Il y a aussi une colonne "Weight" qui indique le poids de chaque athlète.
Cette activité fait partie du cours
Introduction à la visualisation de données avec Matplotlib
Instructions de l’exercice
- Parcourez les valeurs de
sportsen utilisantsportcomme variable de boucle. - À chaque itération, extrayez les lignes où la colonne
"Sport"est égale àsport. - Ajoutez une barre à l'objet
axfourni, étiquetée avec le nom du sport, dont la hauteur est la moyenne de la colonne"Weight", et avec l'écart type comme barre d'erreur sur l'axe des y. - Enregistrez la figure dans le fichier
"sports_weights.png".
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
fig, ax = plt.subplots()
# Loop over the different sports branches
for ____ in ____:
# Extract the rows only for this sport
sport_df = ____
# Add a bar for the "Weight" mean with std y error bar
____
ax.set_ylabel("Weight")
ax.set_xticklabels(sports, rotation=90)
# Save the figure to file
____