Wybór właściwej zmiennej do kodowania kolorem

Twoim zadaniem jest wizualizacja wartości zanieczyszczeń dla Long Beach i okolicznych miast w czasie. Dostarczony kod generuje poniższy wykres (trudny do odczytania), który przedstawia maksymalne wartości zanieczyszczeń (dostępne jako max_pollutant_values) z paskami pokolorowanymi według miasta.

Wielokolorowe i zagęszczone wykresy słupkowe z czterema wierszami odpowiadającymi czterem zanieczyszczeniom w zbiorze danych

Kilka prostych zmian pozwoli szybko poprawić czytelność wykresu. Ograniczając wyświetlane miasta do tych z zachodniej części kraju, unikniesz nadmiernego zagęszczenia. Następnie zamiana kodowania kolorem z city na year umożliwi zastosowanie palety porządkowej – dzięki temu czytelnik nie będzie musiał ciągle sięgać do legendy, by sprawdzić, które miasto odpowiada któremu kolorowi.

To ćwiczenie jest częścią kursu

Ulepszanie wizualizacji danych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Usuń 'Indianapolis', 'Des Moines', 'Cincinnati', 'Houston' z wektora cities.
Zamień kodowanie zmiennych city i year.
Użyj palety ColorBrewer 'BuGn', aby odpowiednio odwzorować kolory dla nowo porządkowej zmiennej.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Reduce to just cities in the western half of US
cities = ['Fairbanks', 'Long Beach', 'Vandenberg Air Force Base', 'Denver', 
          'Indianapolis', 'Des Moines', 'Cincinnati', 'Houston']

# Filter data to desired cities
city_maxes = max_pollutant_values[max_pollutant_values.city.isin(cities)]

# Swap city and year encodings
sns.catplot(x = 'year', hue = 'city',
              y = 'value', row = 'pollutant',    
              # Change palette to one appropriate for ordinal categories
              data = city_maxes, palette = 'muted',
              sharey = False, kind = 'bar')
plt.show()

Edytuj i uruchom kod