Een JointGrid en jointplot maken
Seaborn's JointGrid combineert univariate plots zoals histogrammen, rug plots en kde-plots met bivariate plots zoals scatter- en regressieplots. Het proces om deze plots te maken zou je nu bekend moeten zijn. Deze plots laten ook zien hoe Seaborn handige functies biedt om meerdere plots te combineren.
Voor deze oefeningen gebruiken we de bike share-gegevens die we eerder hebben bekeken. In deze oefening gaan we kijken naar de relatie tussen de luchtvochtigheid en het totaal aantal verhuurde fietsen, om te zien of er een interessante relatie is die we later verder willen verkennen.
Deze oefening maakt deel uit van de cursus
Gevorderde datavisualisatie met Seaborn
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Build a JointGrid comparing humidity and total_rentals
sns.___("whitegrid")
g = sns.___(___="hum",
___="total_rentals",
data=df,
xlim=(0.1, 1.0))
g.plot(sns.___, sns.histplot)
plt.show()
plt.clf()