IniziaInizia gratis

Colorare categorie ordinali

Stai lavorando per il consiglio comunale di Des Moines per valutare le associazioni tra vari livelli di inquinanti in città. I due inquinanti più importanti sono SO2 e NO2, ma anche il CO è di interesse. Ti è stato concesso spazio solo per un unico grafico per la tua parte del rapporto.

Parti con uno scatter plot dei valori di SO2 e NO2, dato che sono i più importanti, e poi decidi di mostrare i valori di CO usando una scala di colori corrispondente ai quartili di CO. Raggruppando i valori continui di CO, hai trasformato CO in una variabile ordinale che può mettere in luce schemi generali senza richiedere troppo sforzo all’osservatore per confrontare sfumature appena diverse.

Questo esercizio fa parte del corso

Migliorare le tue visualizzazioni dei dati in Python

Visualizza il corso

Istruzioni dell'esercizio

  • Imposta la funzione qcut() per suddividere 'CO' in quartili.
  • Mappa il colore del tuo scatter plot sulla nuova colonna dei quartili.
  • Cambia la palette nella palette ColorBrewer 'GnBu'.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Divide CO into quartiles
pollution['CO quartile'] = pd.qcut(pollution['CO'], q = ____, labels = False)

# Filter to just Des Moines
des_moines = pollution.query("city  ==  'Des Moines'")

# Color points with by quartile and use ColorBrewer palette
sns.scatterplot(x = 'SO2',
                y = 'NO2',
                ____ = '____', 
                  data = des_moines,
                palette = '____')
plt.show()
Modifica ed esegui il codice