CommencerCommencer gratuitement

Séparer de nombreuses bandes

Tracer plusieurs lignes de tendance les unes sur les autres est assez simple pour comparer rapidement et précisément. Malheureusement, si vous ajoutez des bandes d’incertitude autour de ces lignes, le graphique devient très difficile à lire. Il peut être compliqué de savoir si une ligne correspond au haut de la bande d’une classe ou au bas de celle d’une autre, à cause du chevauchement des bandes. Heureusement, avec Seaborn, il n’est pas difficile de séparer ces bandes qui se chevauchent en plusieurs graphiques facettés.

Pour l’illustrer, explorez les tendances des niveaux de SO2 pour quelques villes de la moitié est des États-Unis. Si vous tracez les tendances et leurs bandes de confiance sur un seul graphique, c’est illisible. Pour corriger cela, utilisez la fonction FacetGrid() de Seaborn afin d’étaler les intervalles de confiance sur plusieurs panneaux et faciliter votre inspection.

Cet exercice fait partie du cours

Améliorer vos visualisations de données en Python

Afficher le cours

Instructions

  • Configurez une grille de facettes pour séparer les graphiques selon la colonne city dans eastern_SO2.
  • Passez la fonction de tracé de l’intervalle de confiance à map().
  • Colorez les intervalles de confiance en 'coral'.
  • Aidez la ligne moyenne superposée tracée avec g.map(plt.plot,...) à ressortir par rapport aux bandes de confiance en la colorant en blanc.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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()
Modifier et exécuter le code