Automatyzacja wizualizacji
Jedną z największych zalet Matplotlib jest możliwość automatycznego dostosowywania się do przekazywanych danych wejściowych. Na przykład, jeśli otrzymasz dane z nieznaną liczbą kategorii, możesz mimo to wygenerować wykres słupkowy z osobnym słupkiem dla każdej kategorii.
Właśnie to zrobisz w tym ćwiczeniu. Ponownie zwizualizujesz dane o zdobywcach medali na letnich Igrzyskach Olimpijskich 2016 – tym razem jednak zbiór danych będzie zawierał pewną nieznaną liczbę dyscyplin sportowych. Dane zostaną wczytane do pamięci jako obiekt DataFrame biblioteki pandas o nazwie summer_2016_medals, który zawiera kolumnę "Sport" wskazującą dyscyplinę sportową każdego wiersza. Dostępna jest też kolumna "Weight" z wagą każdego sportowca.
To ćwiczenie jest częścią kursu
Wprowadzenie do wizualizacji danych z Matplotlib
Instrukcje do ćwiczenia
- Iteruj po wartościach zmiennej
sports, używającsportjako zmiennej pętli. - W każdej iteracji wyodrębnij wiersze, w których kolumna
"Sport"jest równa wartościsport. - Dodaj słupek do dostarczonego obiektu
ax, oznaczając go nazwą dyscypliny – jako jego wysokość ustaw średnią kolumny"Weight", a odchylenie standardowe jako słupek błędu na osi y. - Zapisz wykres do pliku
"sports_weights.png".
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
fig, ax = plt.subplots()
# Loop over the different sports branches
for ____ in ____:
# Extract the rows only for this sport
sport_df = ____
# Add a bar for the "Weight" mean with std y error bar
____
ax.set_ylabel("Weight")
ax.set_xticklabels(sports, rotation=90)
# Save the figure to file
____