Aan de slagGa gratis aan de slag

Een highlight hardcoden

Je werkt samen met de stad Houston om te kijken naar de relatie tussen zwaveldioxide (SO2) en stikstofdioxide (NO2) in de lucht, specifiek naar de vervuiling in het meest recente jaar waarin data is verzameld (2014). Je hebt een bijzonder slechte dag eruit gepikt, 26 november, waarop er een flinke piek was in de SO2-waarden. Om de aandacht van de kijker op deze dag te vestigen, ga je deze markeren in fel oranje-rood en kleur je de rest van de punten grijs.

pandas, matplotlib.pyplot en seaborn zijn geladen als respectievelijk pd, plt en sns, en blijven in je werkruimte beschikbaar voor de rest van de cursus.

Deze cursus raakt veel concepten die je misschien bent vergeten. Heb je snel een opfrisser nodig? Download dan de Seaborn Cheat Sheet en houd ’m bij de hand!

Deze oefening maakt deel uit van de cursus

Je datavisualisaties verbeteren in Python

Cursus bekijken

Oefeninstructies

  • Pas de list comprehension aan zodat de waarde die overeenkomt met de 330e day (26 november) van het year 2014 de kleur orangered krijgt en de rest van de punten lightgray.
  • Geef de houston_colors-array door aan regplot() met het argument scatter_kws om de punten te kleuren.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

houston_pollution = pollution[pollution.city  ==  'Houston']

# Make array orangred for day 330 of year 2014, otherwise lightgray
houston_colors = ['orangered' if (____  ==  330) & (____  ==  2014) else 'lightgray' 
                  for day,year in zip(houston_pollution.____, houston_pollution.____)]

sns.regplot(x = 'NO2',
            y = 'SO2',
            data = houston_pollution,
            fit_reg = False, 
            # Send scatterplot argument to color points 
            scatter_kws = {'facecolors': ____, 'alpha': 0.7})
plt.show()
Code bewerken en uitvoeren