हाउसिंग प्राइस ड्रॉपडाउन
आप एक रियल एस्टेट इन्वेस्टिंग फर्म में डेटा एनालिस्ट के रूप में काम कर रहे हैं. फर्म ने आपसे पिछले पाँच वर्षों में सिडनी के कुछ प्रमुख उपनगरों में प्रॉपर्टी प्राइस रिटर्न समझने में मदद मांगी है. आपका काम इन उपनगरों के गुणात्मक विश्लेषण को सपोर्ट करेगा. वे प्रत्येक उपनगर को अलग से विज़ुअलाइज़ करना चाहते हैं और उनके बीच आसानी से स्विच भी कर पाना चाहते हैं.
उन्होंने आपको 2015 और 2020 में इन उपनगरों की कीमतों का कुछ डेटा दिया है.
इस अभ्यास में, आपका काम इस डेटा का एक लाइन चार्ट बनाना है, जिसमें प्रत्येक उपनगर चुनने के लिए एक ड्रॉपडाउन हो. साथ ही, उन्होंने पहचाना है कि एक उपनगर में तेज़ ग्रोथ हो रही है, इसलिए आप केवल उसी ट्रेस पर एनोटेशन जोड़ना चाहते हैं. आप यह चैलेंज स्वीकार करते हैं!
आपके पास house_prices DataFrame उपलब्ध है, और आपके लिए एक go.Figure() ऑब्जेक्ट सेट किया जाएगा.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Plotly के साथ Data Visualization परिचय
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create the figure
fig = go.Figure()
# Loop through the suburbs
for suburb in ['Greenacre', 'Lakemba']:
# Subset the DataFrame
df = house_prices[house_prices.Suburb == suburb]
# Add a trace for each suburb subset
fig.add_trace(px.line(df, x='Year', y='Median House Price').data[0])
# Annotation
ga_annotation=[{'text': 'Price boom!', 'showarrow': True, 'x': 'Year: 2018', 'y': 712678}]
# Create the buttons
dropdown_buttons = [
{'label': "Greenacre", 'method': "update", 'args': [{"visible": [____, ____]}, {'title': 'Greenacre', 'annotations': ____}]},
{'label': "Lakemba", 'method': "update", 'args': [{"visible": [____, ____]}, {'title': 'Lakemba', 'annotations': []}]},
]