Separare molte bande
Sovrapporre tante linee di tendenza è relativamente semplice e consente confronti rapidi e precisi. Purtroppo, se devi aggiungere le bande di incertezza attorno a quelle linee, il grafico diventa difficile da leggere. Capire se una linea corrisponde alla parte alta della banda di una classe o alla parte bassa di un’altra può essere complicato a causa della sovrapposizione delle bande. Per fortuna, con Seaborn non è difficile suddividere le bande sovrapposte in grafici separati con facet.
Per vedere come funziona, esplora l’andamento dei livelli di SO2 per alcune città nella metà orientale degli Stati Uniti. Se tracci le tendenze e le relative confidence band in un unico grafico, viene fuori un pasticcio. Per risolvere, usa la funzione FacetGrid() di Seaborn per distribuire gli intervalli di confidenza su più pannelli e rendere l’ispezione più semplice.
Questo esercizio fa parte del corso
Migliorare le tue visualizzazioni dei dati in Python
Istruzioni dell'esercizio
- Imposta una facet grid per separare i grafici in base alla colonna
cityineastern_SO2. - Passa la funzione che traccia l’intervallo di confidenza a
map(). - Colora gli intervalli di confidenza in
'coral'. - Fai risaltare la linea della media sovrapposta disegnata con
g.map(plt.plot,...)rispetto alle bande di confidenza colorandola di bianco.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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()