Wyróżnianie na stałe

Współpracujesz z miastem Houston przy analizie zależności między zanieczyszczeniem dwutlenkiem siarki (SO₂) a dwutlenkiem azotu (NO₂), a dokładnie – zanieczyszczenia w ostatnim roku, dla którego zebrano dane (2014). Wyróżniłeś szczególnie niepokojący dzień – 26 listopada – w którym odnotowano gwałtowny wzrost poziomu SO₂. Aby zwrócić uwagę widza na ten dzień, zaznaczysz go intensywną czerwienią z odcieniem pomarańczowym, a pozostałe punkty pokolorujesz na szaro.

pandas, matplotlib.pyplot i seaborn są załadowane jako pd, plt i sns i będą dostępne w twoim środowisku przez cały kurs.

Kurs porusza wiele zagadnień, które mogły ci umknąć – jeśli potrzebujesz szybkiego przypomnienia, pobierz ściągawkę Seaborn i miej ją pod ręką!

To ćwiczenie jest częścią kursu

Ulepszanie wizualizacji danych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zmodyfikuj list comprehension tak, aby wartość odpowiadająca 330. dniu (day) roku (year) 2014 była pokolorowana na orangered, a pozostałe punkty – na lightgray.
Przekaż tablicę houston_colors do funkcji regplot() za pomocą argumentu scatter_kws, aby pokolorować punkty.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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()

Edytuj i uruchom kod