Mapa cieplna czasu podróży według środka transportu

W tym ćwiczeniu stworzysz mapę cieplną danych ogólnokrajowych, która porównuje czas dojazdu (w minutach) z różnymi środkami transportu. Punktem wyjścia jest data_row – lista wartości z pojedynczego wiersza danych z obiektu odpowiedzi JSON API. Przygotowane zostały listy środków transportu modes (5 elementów) oraz czasów dojazdu times (9 elementów) – obie są wyświetlane w konsoli. Musisz przekształcić pojedynczy wiersz danych w listę list, zbudować DataFrame odpowiedni do przekazania do sns.heatmap i utworzyć mapę cieplną.

Wiersz danych zawiera informacje o 5 środkach transportu pogrupowane według 9 przedziałów czasu dojazdu. Jedna iteracja odpowiada kompletnemu zestawowi czasów dojazdu.

pandas i seaborn są załadowane przy użyciu standardowych aliasów.

To ćwiczenie jest częścią kursu

Analiza danych spisowych USA w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Ustaw iter_len jako długość listy times
W wyrażeniu listowym skonstruuj zakres z początkiem 0, końcem równym długości data_row i krokiem iter_len
Utwórz mapę cieplną, podając DataFrame commuting jako pierwszy parametr; opatrz ją adnotacjami z liczbą dojeżdżających w tysiącach (użyj dzielenia całkowitego, aby podzielić przez 1000)

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Set iter_len to the number of commute times
iter_len = ____

# Break row into list of lists by travel mode
data = [data_row[i:i+iter_len] for i in range(____)]

# Create DataFrame, set data type to int
commuting = pd.DataFrame(data=data, index=modes, columns=times)
commuting = commuting.astype(int)

# Create heatmap of commuters by mode by income
sns.heatmap(____, annot=____, fmt = "d", cmap="YlGnBu")
plt.xticks(rotation = 50)
plt.yticks(rotation = 50)
plt.show()

Edytuj i uruchom kod