Coropletica a intervalli uguali
Nell’ultimo esercizio abbiamo creato una mappa della densità di alberi. Ora che sappiamo qualcosa in più sulle coropletiche, esploreremo questa visualizzazione più nel dettaglio.
Per prima cosa, visualizziamo l’effetto di usare semplicemente il numero di alberi rispetto al numero di alberi normalizzato per area del distretto (la densità di alberi). In seguito, creeremo una versione a intervalli uguali di questa mappa invece di usare una scala di colori continua. Questo algoritmo di classificazione suddividerà lo spazio dei valori in classi di uguale ampiezza e assocerà un colore a ciascuna.
Il GeoDataFrame district_trees, il risultato finale dell’esercizio precedente, è già caricato. Include la variabile n_trees_per_area, che misura la densità di alberi per distretto (nota che la variabile è stata moltiplicata per 10.000).
Questo esercizio fa parte del corso
Lavorare con i dati geospaziali in Python
Istruzioni dell'esercizio
- Crea un grafico usando la variabile
'n_trees'per colorare i poligoni. Assicurati di mostrare anche una legenda usando la parola chiavelegend. - Ripeti lo stesso con la variabile
'n_trees_per_area'. Noti la differenza? - Genera una mappa coropletica con la variabile
'n_trees_per_area'usando uno schema di classificazione a intervalli uguali. Anche qui, assicurati di aggiungere una legenda.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Print the first rows of the tree density dataset
print(districts_trees.head())
# Make a choropleth of the number of trees
districts_trees.plot(____, ____)
plt.show()
# Make a choropleth of the number of trees per area
districts_trees.plot(____, ____)
plt.show()
# Make a choropleth of the number of trees
districts_trees.plot(____, ____, ____)
plt.show()