Dropdown voor huizenprijzen
Je werkt als data-analist voor een vastgoed-investeringsbedrijf. Het bedrijf heeft je gevraagd om het rendement op vastgoedprijzen voor een aantal belangrijke buitenwijken van Sydney in de afgelopen vijf jaar in kaart te brengen. Jouw werk vult de kwalitatieve analyse van deze wijken aan. Ze willen elke wijk afzonderlijk kunnen visualiseren en toch gemakkelijk daartussen kunnen wisselen.
Ze hebben je gegevens gegeven over de prijzen van deze wijken in 2015 en 2020.
In deze oefening maak je een lijngrafiek van deze data met een dropdown om elke wijk te selecteren. Daarnaast hebben ze aangegeven dat een van de wijken sterk groeit, dus wil je alleen die trace annoteren. Uitdaging geaccepteerd!
Je hebt een house_prices DataFrame beschikbaar, en er wordt een go.Figure()-object voor je klaargezet.
Deze oefening maakt deel uit van de cursus
Introductie tot datavisualisatie met Plotly in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Create the figure
fig = go.Figure()
# Loop through the suburbs
for suburb in ['Greenacre', 'Lakemba']:
# Subset the DataFrame
df = house_prices[house_prices.Suburb == suburb]
# Add a trace for each suburb subset
fig.add_trace(px.line(df, x='Year', y='Median House Price').data[0])
# Annotation
ga_annotation=[{'text': 'Price boom!', 'showarrow': True, 'x': 'Year: 2018', 'y': 712678}]
# Create the buttons
dropdown_buttons = [
{'label': "Greenacre", 'method': "update", 'args': [{"visible": [____, ____]}, {'title': 'Greenacre', 'annotations': ____}]},
{'label': "Lakemba", 'method': "update", 'args': [{"visible": [____, ____]}, {'title': 'Lakemba', 'annotations': []}]},
]