Veel banden van elkaar scheiden
Het is relatief eenvoudig om meerdere trendlijnen over elkaar heen te plotten voor snelle en precieze vergelijkingen. Helaas wordt de grafiek lastig leesbaar als je onzekerheidsbanden rond die lijnen toevoegt. Door overlappende banden is het moeilijk te zien of een lijn bij de bovenkant van de band van de ene klasse hoort of de onderkant van een andere. Gelukkig is het in Seaborn niet ingewikkeld om de overlappende banden op te splitsen in afzonderlijke gefacetteerde plots.
Om dit te zien, bekijk trends in SO2-niveaus voor een paar steden in de oostelijke helft van de VS. Als je de trends en hun betrouwbaarheidsbanden in één grafiek zet, wordt het een rommeltje. Los dit op met Seaborn's FacetGrid()-functie om de betrouwbaarheidsintervallen over meerdere panelen te verdelen, zodat je ze makkelijker kunt beoordelen.
Deze oefening maakt deel uit van de cursus
Je datavisualisaties verbeteren in Python
Oefeninstructies
- Zet een facet grid op om de plots te scheiden op basis van de kolom
cityineastern_SO2. - Geef de functie die het betrouwbaarheidsinterval plot door aan
map(). - Geef de betrouwbaarheidsintervallen de kleur
'coral'. - Laat de gemiddelde lijn die met
g.map(plt.plot,...)over de banden heen wordt getekend beter opvallen door deze wit te kleuren.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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()