Créer un JointGrid et un jointplot
Le JointGrid de Seaborn combine des graphiques univariés comme les histogrammes, les rug plots et les courbes KDE avec des graphiques bivariés comme les nuages de points et les régressions. Le processus de création de ces tracés devrait désormais vous être familier. Ces graphiques illustrent aussi comment Seaborn propose des fonctions pratiques pour combiner plusieurs visualisations.
Pour ces exercices, nous allons utiliser les données de vélos en libre-service vues précédemment. Dans cet exercice, nous allons étudier la relation entre le taux d'humidité et le nombre total de locations afin de voir s'il existe une relation intéressante à explorer par la suite.
Cet exercice fait partie du cours
<cours>Visualisation de données intermédiaire avec Seaborn</cours>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()