Popularność towarów sprzedawanych według stanu

Zbiór danych o targowiskach zawiera kolumny odpowiadające 28 różnym towarom oraz informację o tym, czy dany towar jest sprzedawany na konkretnym targowisku. Chcesz sprawdzić, czy kryją się tu jakieś ciekawe zależności dotyczące tego, jak duże jest prawdopodobieństwo znalezienia danego towaru na targowiskach w poszczególnych stanach. Aby odpowiedzieć na to pytanie, sprowadzasz dane do trzech kolumn:

state – nazwa stanu
good – interesujący cię towar
prop_selling – odsetek targowisk w danym stanie, które sprzedają ten towar

Aby szybko sprawdzić, czy pojawiają się jakieś wzorce, wybierasz podzbiór towarów, które cię interesują, i tworzysz prosty wykres tekstowo-rozrzutowy: towar na osi X i odsetek targowisk w stanie sprzedających ten towar na osi Y.

To ćwiczenie jest częścią kursu

Ulepszanie wizualizacji danych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Przefiltruj goods_by_state do wybranych towarów podanych w to_plot.
Ukryj punkty na wykresie rozrzutu, ustawiając ich rozmiar na zero.
- Pamiętaj, że w sns.scatterplot() parametr size służy do mapowania wartości z kolumny na skalę rozmiarów, natomiast s ustawia stały rozmiar dla wszystkich punktów.
Wyśrodkuj tekst tak, aby znajdował się dokładnie nad pozycją towaru na osi X.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Subset goods to interesting ones
to_plot = ['Cheese','Maple','Fruits','Grains','Seafood','Plants','Vegetables']
goods_by_state_small = goods_by_state.____("good in "+str(to_plot))

g = sns.scatterplot('good','prop_selling', data = goods_by_state_small,
                    # Hide scatter points by shrinking to nothing
                    ____ = ____)

for _,row in goods_by_state_small.iterrows():
  g.annotate(row['state'], (row['good'], row['prop_selling']), 
             # Center annotation on axis
             ha = '____', 
             size = 10)

plt.show()

Edytuj i uruchom kod