बहुत-सी bands को अलग-अलग दिखाना
तेज़ और सटीक तुलना के लिए कई ट्रेंड लाइनों को एक-दूसरे के ऊपर प्लॉट करना काफी आसान है। लेकिन जैसे ही आपको उन लाइनों के चारों ओर uncertainty bands जोड़ने हों, प्लॉट पढ़ना मुश्किल हो जाता है। bands के ओवरलैप के कारण यह समझना कठिन हो सकता है कि कोई लाइन किसी एक क्लास के band के टॉप से मेल खाती है या दूसरे के बॉटम से। अच्छी बात यह है कि Seaborn में ओवरलैप करती bands को अलग-अलग faceted प्लॉट्स में बाँटना मुश्किल नहीं है।
इसे देखने के लिए, US के पूर्वी हिस्से के कुछ शहरों में SO2 स्तरों के ट्रेंड्स को एक्सप्लोर करें। अगर आप ट्रेंड्स और उनके confidence bands को एक ही प्लॉट पर दिखाएँगे — तो यह उलझ जाएगा। इसे ठीक करने के लिए, Seaborn के FacetGrid() फंक्शन का उपयोग करें ताकि confidence intervals को कई पैनलों में फैला सकें और निरीक्षण करना आसान हो जाए।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में अपनी डेटा विज़ुअलाइज़ेशन बेहतर करें
अभ्यास निर्देश
eastern_SO2मेंcityकॉलम के आधार पर प्लॉट्स को अलग करने के लिए एक facet grid सेट करें।- confidence interval प्लॉटिंग फंक्शन को
map()में भेजें। - confidence intervals का रंग
'coral'रखें। - confidence bands के ऊपर खींची mean लाइन, जो
g.map(plt.plot,...)से बनती है, को उभारने के लिए उसका रंग सफेद रखें।
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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()