Rozdzielanie nakładających się pasm
Nałożenie wielu linii trendu na jeden wykres jest stosunkowo proste i pozwala na szybkie porównania. Problem pojawia się, gdy trzeba dodać pasma niepewności wokół tych linii – wykres staje się bardzo trudny do odczytania. Ciężko wtedy stwierdzić, czy dana linia należy do górnej granicy jednego pasma czy do dolnej granicy innego. Na szczęście w Seaborn można łatwo rozdzielić nakładające się pasma na osobne panele.
Przeanalizuj trendy poziomów SO2 dla kilku miast we wschodniej części USA. Jeśli narysujesz trendy wraz z pasmami ufności na jednym wykresie – efekt będzie chaotyczny. Użyj funkcji FacetGrid() z biblioteki Seaborn, aby rozłożyć przedziały ufności na wiele paneli i ułatwić sobie ich analizę.
To ćwiczenie jest częścią kursu
Ulepszanie wizualizacji danych w Pythonie
Instrukcje do ćwiczenia
- Skonfiguruj siatkę faset, dzieląc wykresy według kolumny
cityw zbiorzeeastern_SO2. - Przekaż funkcję rysującą przedziały ufności do
map(). - Ustaw kolor
'coral'dla przedziałów ufności. - Spraw, by nałożona linia średniej rysowana przez
g.map(plt.plot,...)wyróżniała się na tle pasm ufności – pokoloruj ją na biało.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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()